「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。
本期 AI Drive，我们邀请到浙江大学计算机科学与技术学院博士生方尹，为大家在线解读其发表在 AAAI 的最新研究成果：Molecular Contrastive Learning with Chemical Element Knowledge Graph。对本期主题感兴趣的小伙伴，3 月 10日（本周四）晚 7 点，我们准时相约 PaperWeekly 直播间。
直播信息
本文创新性地提出了一种知识增强的分子图对比学习框架Knowledge-enhanced Contrastive Learning (KCL)。KCL 利用化学元素知识图谱指导原始分子图的增强过程：1）为了建立元素之间的微观联系及各元素的基本领域知识，基于化学元素周期表，构建了化学元素知识图谱；2）通过该知识图谱指导原始分子图的图增强过程，有助于在不相邻但具有相同性质的原子之间建立联系。
同时，KCL 针对分子增强图设计了知识感知的消息传递网络 KMPNN，通过最大化正样本对之间的一致性和难负样本对之间的差异性构建对比损失以优化模型。实验结果表明，KCL 在涵盖不同分子属性的 8 个数据集上获得了 SOTA 性能，且具有可解释性。
论文标题：
Molecular Contrastive Learning with Chemical Element Knowledge Graph
论文链接：
/abs/2112.00544
本次分享的具体内容有：
研究背景
研究方法介绍
实验结果分析
总结与展望
嘉宾介绍
方尹/ 浙江大学博士生
方尹，浙江大学计算机科学与技术学院在读博士生，导师为陈华钧教授。 年和 年分别获四川大学数学学院理学学士学位和硕士学位。目前的研究领域主要包括知识图谱和分子图表示学习。
直播地址& 交流群
本次直播将在 PaperWeekly 视频号和 B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。
视频号直播间：
扫描下方二维码关注 PaperWeekly 视频号，第一时间获取开播提醒。
B 站直播间：
/14884511
合作伙伴
🔍
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
·
