# 分子屬性預測

SMI-SSED是一種基於Mamba的化學基礎模型，支持量子屬性預測等多種複雜任務，在多個基準數據集上達到最先進性能。

這是一個在SMILES（簡化分子線性輸入系統）字符串上預訓練的雙向轉換器模型，主要用於分子相關任務。

TwinBooster是基於PubChem生物測定語料庫微調的DeBERTa V3基礎模型，結合Barlow Twins自監督學習方法，用於分子屬性預測。

該模型是基於PubChem數據庫中1000萬SMILES字符串進行預訓練的化學信息學模型，主要用於分子表示學習和化學性質預測。