聚合物性质预测不再依赖化学规则切分：按几何半径切出多尺度片段，多模态模型在若干性质上提升约5–10%
核心概要
聚合物性质预测长期依赖按化学规则切分的分子片段，遇到陌生结构时切分方式未必合适，片段大小也难以连续调节。一种以几何邻近为准的切分方法把分子片段化写成半径约束下的中心选取问题，片段数目由给定半径决定而非事先固定，改变半径即可得到不同尺度的片段。把这种多尺度片段接入结合p-SMILES与三维构象的多模态模型后，在聚合物基准数据集上，若干性质的预测误差相对基线下降约5–10%，但三维模态的贡献随性质而异。
深度剖析
分子片段的划分可以只依据原子在三维空间中的几何位置，而不必调用预先写定的化学断键规则，片段的空间尺度由使用者给定的半径直接决定。 此前的片段化方法如BRICS按预定义分解规则识别化学键，能给出化学上可解释的片段，但面对未见过的、结构多样或化学上陌生的分子与材料体系时适用性受限，且对片段大小的控制有限。 对同一单体，BRICS因规则分解而产生较小的片段，几何片段化在给定半径下产生的片段空间范围由该半径直接支配，改变半径即可系统生成不同特征尺度的片段。
片段化被表述为一个半径约束的优化问题：选取若干代表性原子作为中心，使每个原子都落在某个中心的给定半径之内，中心数目不预先固定。 经典的中心选取问题需要事先给定中心个数，这里改为固定池化半径，中心个数随半径自然涌现。 实现上采用贪心最远点策略，每次选取距最近已选中心最远的原子，直到覆盖半径小于给定池化距离；随后按截断距离把原子归入最近的代表原子，超出所有代表原子截断范围的原子单独成片段，氢原子不参与中心选取。
多尺度片段信息通过片段注意力模块进入一个同时使用p-SMILES与三维构象的聚合物性质预测模型，三维构象由RDKit从p-SMILES生成。 仅基于p-SMILES的序列模型把分子编码为一维字符串，未必显式刻画分子的层级与多尺度组织。 在Polymer Genome聚合物基准数据集上按TransPolymer的评估协议做五折交叉验证，以验证集平均RMSE衡量；采用三个片段半径分别对应局部原子组成、局部官能团和扩展拓扑骨架，三维编码器MACE-MP的权重在训练中冻结。
加入三维构象信息后，若干聚合物性质的预测精度相对仅用p-SMILES的模型有所提高。 以TransPolymer为基线，多模态模型在若干性质上取得约5–10%的预测性能提升。 提升随性质而异：TransPolymer的若干性质在加入三维结构信息后改善，其余性质的平均改善落在观测到的波动范围内，另有一项性质未见明显改善。
启示与展望
演示范围限于Polymer Genome聚合物基准数据集上的七项DFT计算性质，三维构象由RDKit经经典力场优化生成，评估采用五折交叉验证的验证集平均RMSE。
三维模态的贡献随性质而异，部分性质的平均改善落在观测波动范围内，另有一项性质未见明显改善；片段分支的消融差异大多落在误差棒内；可解释性分析只给出重要性分布，不区分官能团提高还是降低某一性质；每次只向模型输入单个构象而非构象系综。