M-JEPA分子图自监督学习论文发布

2026年10月20日，Karthik Iyer 与 Nasser Sabar 在 arXiv 人工智能板块提交预印本论文，提出 M-JEPA——一种面向分子图的预测式自监督学习方法。据论文摘要，该方法将联合嵌入预测架构（JEPA）适配到分子图：通过掩蔽化学上连贯的连通子图，训练上下文编码器回归由指数移动平均（EMA）教师网络产生的被掩蔽目标嵌入。论文还报告在 Tox21 数据集上以骨架偏移（scaffold split）进行评估。目前公开信息仅来自该预印本本身，尚无同行评审、独立复现或其他跟进报道，方法效果与适用范围有待进一步验证。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。