一种基于双重感知大语言模型的分子性质预测方法

本发明提出了一种基于双重感知大语言模型的分子性质预测方法，通过设计任务引导、化学感知和结构感知的多层次指令，充分利用大语言模型的语义理解能力获取高质量的分子嵌入表示。同时，结合了平均池化和白化降维双重策略：平均池化有效整合了分子各特征的综合贡献，避免了关键信息丢失；白化降维则显著提升了特征空间的各向同性，同时实现了特征维度的优化压缩。大幅降低了后续计算复杂度，为各类下游预测任务提供了更精准的特征表示。最后，在真实的数据集上进行了综合性的实验，以此证明本方法的有效性，能有效提高分子性质预测的性能。