通过基于次级结构的对齐，弥合分子和文本描述之间的差距

于红博

摘要: 分子和文本表示学习因其增强化学信息理解的潜力而受到越来越多的关注。然而，现有模型往往难以捕捉分子和其描述之间的细微差异，因为它们缺乏学习分子亚结构和化学短语之间精细对齐的能力。为了解决这一限制，我们引入了MolBridge，一种基于亚结构感知对齐的新型分子-文本学习框架。具体来说，我们使用来自分子亚结构和化学短语的额外对齐信号来增强原始的分子-描述配对。为了有效地从这些丰富的对齐中学习，MolBridge采用了亚结构感知对比学习，结合了一种自我细化机制，可以过滤掉嘈杂的对齐信号。实验结果表明，MolBridge有效地捕捉了细粒度的对应关系，并在广泛的分子基准测试中优于现有技术基线，突显了分子-文本学习中亚结构感知对齐的重要性。

更新时间: 2025-10-30 05:36:31

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2510.26157v1