一种基于注意力融合的分子多模态表征方法

本发明公开了一种基于注意力融合的分子多模态表征方法，方法包括以下步骤：首先，分别利用分子序列编码器、分子图编码器与分子构象编码器，对分子的一维、二维及三维模态进行独立特征提取，并基于自然语言文本描述采用多层级对比学习，实现各模态与文本的逐步对齐；其次，引入多模态一致性约束，拉近同一分子在不同模态下的表征距离，确保语义一致性；再次，通过模态注意力融合模块自适应整合多模态特征，获得统一的分子语义表示，并进一步与文本嵌入空间进行最终对齐；最后，利用融合表示完成分子‑文本双向检索及分子属性预测等任务。本发明可在无需针对不同任务重新训练模型的情况下，实现自然语言驱动的分子检索、编辑与性质预测，具有较高的鲁棒性、扩展性与通用性。