연구진이 양자 화학의 저데이터 및 제한된 자원 환경에 적합한 파라미터 효율적인 학습을 위해 분자 결합 그래프를 반영하는 토폴로지 정렬 유도 편향을 제안했어요.
Iso-QGNN (양자 변분 회로)과 Iso-CGNN (고전 메시지 전달 모델) 두 가지 아키텍처를 구현하고 QM9 벤치마크에서 HOMO-LUMO 및 쌍극자 모멘트 이분 분류 작업으로 성능을 검증했어요.
64개의 학습 가능한 파라미터로 테스트 AUC 0.88 (양자) 및 0.91 (고전)을 달성했으며, 약 250개의 학습 분자에서 최고 성능의 90%에 도달했어요.