为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自百度研究院、卡内基·梅隆大学、清华大学的小样本新药发现方面的工作。该工作由论文第一作者王雅晴录制。
论文题目：Property-Aware Relation Networks for Few-Shot Molecular Property Prediction
作者列表：王雅晴 (百度研究院)，阿不都维力•阿布力克木 (百度研究院，卡内基·梅隆大学)，姚权铭 (清华大学)，窦德景 (百度研究院）
B站观看网址：
https://www.bilibili.com/video/BV1gS4y1w7Fo/
论文摘要：
分子性质预测在药物发现中发挥着重要作用，以识别具有目标性质的候选分子。由于新药发现研究中已知药理性质的分子 (有标签样本)少，分子性质预测本质上是一个小样本问题，很难使用常规的机器学习方法解决。在已有的小样本的分子性质预测研究中，很多工作会选择直接使用小样本学习的经典方法，但是忽视了分子性质预测这个问题的特性，即在不同性质预测任务中起作用的子结构和分子间关系均是不同的。在这篇工作中，我们提出了新的小样本分子性质预测模型--性质感知的关系网络 (PAR)。我们首先引入一个性质感知的表示学习函数，将通用分子表征转换到与目标性质相关的子结构空间。然后，我们设计了一个性质自适应的关系图学习模块来联合估计分子之间的关系图并改进分子表征，使得标签信息可以在相似的分子之间有效地传播。我们采用元学习策略，在任务中选择性地更新参数，以便对通
论文题目：Property-Aware Relation Networks for Few-Shot Molecular Property Prediction
作者列表：王雅晴 (百度研究院)，阿不都维力•阿布力克木 (百度研究院，卡内基·梅隆大学)，姚权铭 (清华大学)，窦德景 (百度研究院）
B站观看网址：
https://www.bilibili.com/video/BV1gS4y1w7Fo/
论文摘要：
分子性质预测在药物发现中发挥着重要作用，以识别具有目标性质的候选分子。由于新药发现研究中已知药理性质的分子 (有标签样本)少，分子性质预测本质上是一个小样本问题，很难使用常规的机器学习方法解决。在已有的小样本的分子性质预测研究中，很多工作会选择直接使用小样本学习的经典方法，但是忽视了分子性质预测这个问题的特性，即在不同性质预测任务中起作用的子结构和分子间关系均是不同的。在这篇工作中，我们提出了新的小样本分子性质预测模型--性质感知的关系网络 (PAR)。我们首先引入一个性质感知的表示学习函数，将通用分子表征转换到与目标性质相关的子结构空间。然后，我们设计了一个性质自适应的关系图学习模块来联合估计分子之间的关系图并改进分子表征，使得标签信息可以在相似的分子之间有效地传播。我们采用元学习策略，在任务中选择性地更新参数，以便对通