Mol-JEPA：分子多模态联合嵌入预测架构登多项基准 SOTA

randall_balestr · x · 2026-08-26

arXiv 新论文《Mol-JEPA: A multimodal Joint Embedding Predictive Architecture for Molecules》（Rottach、Balestriero 等，布朗大学团队）提出一个可扩展的分子世界模型学习框架，针对现有分子基础模型的三大问题——化学上无效的数据增强、模态坍缩、生化环境表征不完整。

Mol-JEPA 不依赖分子扰动增强，而是通过模态掩码机制，联合利用分子结构、细胞表型、结合亲和力、ADMET 性质、量子化学模拟等药物发现数据，在潜空间中做预测学习。论文在多个基准上达到 SOTA 表现，并给出大量多模态（超过两种模态）从零预训练的实践指南。