摘要

分子图上的神经消息传递是预测分子和材料形成能及其他性质最有前景的方法之一。在本研究中，我们通过引入边缘更新网络扩展了神经消息传递模型，使得原子之间交换的信息可以依赖于接收原子的隐藏状态。我们在三个公开可用的数据集（QM9、Materials Project 和 OQMD）上对所提出的模型进行了基准测试，并展示了该模型在所有三个数据集上相较于已发表的最佳结果均表现出更优的预测性能。此外，我们探讨了构建用于表示晶体结构的图的不同方法，发现基于K近邻的方法比使用最大距离截止或Voronoi镶嵌图（Voronoi tessellation graph）实现了更高的预测精度。