본 논문은 기존 분자 예측 모델의 한계점인 훈련 데이터에 대한 과의존으로 인한 분포 외 화합물에 대한 일반화 성능 저하 문제를 해결하기 위해 메타 러닝 기반 접근법을 제시합니다. 기존 딥러닝 모델은 훈련 데이터와 분포가 다른 데이터에 대해 불안정하고 부정확한 예측을 하며, 실험적 검증의 어려움으로 인한 데이터 부족 문제 또한 일반화 성능 저하를 심화시킵니다. 본 연구는 레이블되지 않은 데이터를 활용하여 훈련 데이터 분포 내(ID) 및 분포 외(OOD) 데이터 사이를 보간하는 메타 러닝 기반 방법을 통해 모델이 훈련 분포를 넘어 일반화하는 방법을 학습하도록 합니다. 실제 데이터셋에서 상당한 성능 향상을 보이며, t-SNE 시각화를 통해 보간 방법의 효과를 보여줍니다.