본 논문은 규칙 기반 모델(XGBoost)을 신경망(Graph Transformer)에 통합하는 새로운 전략을 제시합니다. 기존의 분자 특성 예측 모델들은 사전 학습이나 추가적인 기술(posterior probabilities)을 필요로 했지만, 본 연구에서는 Osmordred 분자 기술자를 이용하여 XGBoost로 학습된 합성 목표 변수를 보조 목표 변수로 활용하는 다중 작업 학습 방식을 제안합니다. 19개의 분자 특성 예측 작업에 대한 실험 결과, 제안된 방법은 기존 XGBoost 단일 작업 학습보다 16개 작업에서 성능이 우수하며, 모든 작업에서 일관되고 유의미한 성능 향상을 보였습니다. 이는 사전 학습이나 특징 주입 없이 합성 작업 증강을 통해 신경망 모델의 성능을 향상시킬 수 있음을 보여줍니다.
