一种基于因子解耦的集群感知小样本分子性质预测方法

本发明提供了一种基于因子解耦的集群感知小样本分子性质预测方法，涉及小样本学习领域。本发明构建每个目标属性节点的支持集、查询集、辅助属性子图和边集合，组成任务图，通过图神经网络对任务图进行处理，将得到的图级表示通过分类器，得到预测结果。同时本发明可以基于任务图、支持集和查询集，对图神经网络和分类器的参数进行更新微调，实现了在任务分布复杂、每类属性样本极少的情况下，提升多任务分子属性预测的精度与泛化能力。本发明引入异构图建模、解耦因子子空间表示、多通道对比学习、任务门控初始化等机制，显著提升模型在任务异质性建模、小样本适应与跨任务迁移方面的能力，在多个公开数据集上均显著优于现有主流方法。