图形摘要
我们整理了一个包含117,752种有机晶体的标准化数据集，以解决熔点预测方面的挑战。我们评估了经典机器学习方法、图神经网络和分子嵌入技术，并比较了它们的准确性和计算效率。通过将ChemBERTa和MoLFormer嵌入集成到TabM架构中，我们的混合方法实现了26.75 K的平均绝对误差（MAE）。
摘要
熔点预测在化学、材料科学和制药领域起着关键作用，它有助于化合物的鉴定、纯度评估以及热稳定材料的研发。尽管计算建模取得了进展，但目前的方法在准确性、可解释性和计算效率方面仍面临挑战，这主要是由于实验数据集有限，以及分子结构与熔化行为之间的非线性、不连续关系所致。在这项研究中，我们整合并标准化了来自多个公共来源的117,752种独特有机晶体的数据集，强调了数据集的可重复性和分子的独特性。我们系统地评估了基于SMILES字符串的分子嵌入的经典机器学习模型，包括ChemBERTa、MoLFormer和Uni-Mol，并将它们与先进的图神经网络（GNN）架构（如我们自定义的实现和广泛使用的Chemprop框架）进行了比较。分析表明，梯度提升树模型在计算效率方面表现优异，而基于GNN和Transformer的模型（如MoLFormer）在预测准确性方面更胜一筹，尤其是在引入注意力机制后。通过在TabM模型中集成ChemBERTa和MoLFormer嵌入，我们实现了26.75 K的平均绝对误差（MAE）和35.36 K的均方根误差（RMSE），超越了单一模型的性能。这些结果凸显了混合建模策略的优势，即在保持可解释性和可扩展性的同时提高了准确性，为通过改进熔点预测加速材料发现和制药开发提供了可靠的框架。然而，Chemprop的准确性虽然更高，但在训练过程中需要大约五倍的资源。
利益冲突
作者声明没有利益冲突。
数据可用性声明
请访问https://github.com/SmartChemDesign/melting-point获取代码实现和数据处理脚本。该仓库包含了主要实验的核心Python脚本（如TabM的使用和MoLFormer的微调），以及开发过程中用作探索性草稿的Jupyter笔记本，这些内容也可能对读者感兴趣。
