【AdapGNN与MolExplain：提升分子性质预测的可解释性】图神经网络（GNNs）在分子性质预测中发挥着越来越重要的作用，但GNN#模型#容易面临过度平滑的问题致使模型的可解释性降低。为了提高GNN模型的可解释性进而加速分子结构-性质作用机制的理解和分析，@华东理工大学 彭鑫和钱峰教授团队在ENG. Chem. Eng. 提出了AdapGNNhttp://t.cn/AXSizey8，这是一种专门为分子性质预测设计的新型模型无关框架，通过在传统的图神经网络信息流中引入额外的初始结点信息来抑制不同结点之间的趋同性。