Buchumschlag

On Improving Graph Neural Networks for QSAR by Pre-training on Extended-Connectivity Fingerprints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Money-Kyrle, Sam, Dablander, Markus, Hanser, Thierry, Werner, Stephane, Deane, Charlotte M., Morris, Garrett M.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sort & Slice: A Simple and Superior Alternative to Hash-Based Folding for Extended-Connectivity Fingerprints
von: Dablander, Markus, et al.
Veröffentlicht: (2024)

Investigating Graph Neural Networks and Classical Feature-Extraction Techniques in Activity-Cliff and Molecular Property Prediction
von: Dablander, Markus
Veröffentlicht: (2024)

Future Research Avenues for Artificial Intelligence in Digital Gaming: An Exploratory Report
von: Dablander, Markus
Veröffentlicht: (2024)

Pre-training Graph Neural Networks with Structural Fingerprints for Materials Discovery
von: Jia, Shuyi, et al.
Veröffentlicht: (2025)

SigmaDock: Untwisting Molecular Docking With Fragment-Based SE(3) Diffusion
von: Prat, Alvaro, et al.
Veröffentlicht: (2025)

PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences
von: Buttenschoen, Martin, et al.
Veröffentlicht: (2023)

Context-Guided Diffusion for Out-of-Distribution Molecular and Protein Design
von: Klarner, Leo, et al.
Veröffentlicht: (2024)

Enhanced Pre-training of Graph Neural Networks for Million-Scale Heterogeneous Graphs
von: Sun, Shengyin, et al.
Veröffentlicht: (2025)

An evaluation of unconditional 3D molecular generation methods
von: Buttenschoen, Martin, et al.
Veröffentlicht: (2025)

A Graph Laplacian Eigenvector-based Pre-training Method for Graph Neural Networks
von: Dai, Howard, et al.
Veröffentlicht: (2025)

Transformers trained on proteins can learn to attend to Euclidean distance
von: Ellmen, Isaac, et al.
Veröffentlicht: (2025)

Stylized Structural Patterns for Improved Neural Network Pre-training
von: Salehi, Farnood, et al.
Veröffentlicht: (2025)

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)

Search to Fine-tune Pre-trained Graph Neural Networks for Graph-level Tasks
von: Wang, Zhili, et al.
Veröffentlicht: (2023)

Pre-training Graph Neural Networks on Molecules by Using Subgraph-Conditioned Graph Information Bottleneck
von: Hoang, Van Thuy, et al.
Veröffentlicht: (2024)

Molecular Representations for Large Language Models
von: Runcie, Nicholas T., et al.
Veröffentlicht: (2026)

Assessing the Chemical Intelligence of Large Language Models
von: Runcie, Nicholas T., et al.
Veröffentlicht: (2025)

Benchmarking Convolutional Neural Network and Graph Neural Network based Surrogate Models on a Real-World Car External Aerodynamics Dataset
von: Jacob, Sam Jacob, et al.
Veröffentlicht: (2025)

GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks
von: He, Dongxiao, et al.
Veröffentlicht: (2026)

HG-Adapter: Improving Pre-Trained Heterogeneous Graph Neural Networks with Dual Adapters
von: Mo, Yujie, et al.
Veröffentlicht: (2024)

Affinity Graph Connectivity in Convex Clustering
von: Rosen, Sam, et al.
Veröffentlicht: (2026)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
von: Wang, Hanjing, et al.
Veröffentlicht: (2024)

Unveiling Mode Connectivity in Graph Neural Networks
von: Li, Bingheng, et al.
Veröffentlicht: (2025)

Survey on Generalization Theory for Graph Neural Networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2025)

Graph Generative Pre-trained Transformer
von: Chen, Xiaohui, et al.
Veröffentlicht: (2025)

DeepRTE: Pre-trained Attention-based Neural Network for Radiative Transfer
von: Zhu, Yekun, et al.
Veröffentlicht: (2025)

Zero-One Laws of Graph Neural Networks
von: Adam-Day, Sam, et al.
Veröffentlicht: (2023)

TCGPN: Temporal-Correlation Graph Pre-trained Network for Stock Forecasting
von: Yan, Wenbo, et al.
Veröffentlicht: (2024)

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation
von: Pickens, Elliot, et al.
Veröffentlicht: (2026)

Blood Glucose Control Via Pre-trained Counterfactual Invertible Neural Networks
von: Jiang, Jingchi, et al.
Veröffentlicht: (2024)

Explainable Graph Neural Networks: Understanding Brain Connectivity and Biomarkers in Dementia
von: Tewari, Niharika, et al.
Veröffentlicht: (2025)

GraphGPT: Generative Pre-trained Graph Eulerian Transformer
von: Zhao, Qifang, et al.
Veröffentlicht: (2023)

Probing Graph Neural Network Activation Patterns Through Graph Topology
von: Tori, Floriano, et al.
Veröffentlicht: (2026)

PSP: Pre-Training and Structure Prompt Tuning for Graph Neural Networks
von: Ge, Qingqing, et al.
Veröffentlicht: (2023)

Backward Oversmoothing: why is it hard to train deep Graph Neural Networks?
von: Keriven, Nicolas
Veröffentlicht: (2025)

Scaling Laws for Pre-training Agents and World Models
von: Pearce, Tim, et al.
Veröffentlicht: (2024)

Information-Geometric Analysis of Multi-Probe Consistency and Projection Instability: A Structural Interpretation of the Hubble Tension
von: Davidson, Craig Kyrle Strachan
Veröffentlicht: (2026)

The Davidson Limit: A Curvature-Normalised Stability Boundary on Viability Fields over Riemannian Manifolds
von: Davidson, Craig Kyrle Strachan
Veröffentlicht: (2026)

Pre-trained Graphformer-based Ranking at Web-scale Search (Extended Abstract)
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

Text Classification: Neural Networks VS Machine Learning Models VS Pre-trained Models
von: Petridis, Christos
Veröffentlicht: (2024)