본 논문은 약물 발견 과정에서 중요한 단계인 분자 표현 추출의 정확성 향상을 위해, 이미지, 2D/3D 토폴로지 등 다양한 모드의 정보를 활용하는 새로운 다중 모드 분자 표현 학습 프레임워크 MMSA를 제안합니다. MMSA는 다중 모드 분자 표현 학습 모듈과 구조 인식 모듈로 구성됩니다. 다중 모드 모듈은 서로 다른 모드의 정보를 통합하여 통일된 분자 임베딩을 생성하고, 구조 인식 모듈은 초그래프 구조를 이용하여 분자 간 고차 상관관계를 모델링하고 메모리 메커니즘을 통해 불변적인 지식을 통합하여 모델의 일반화 성능을 향상시킵니다. MoleculeNet 벤치마크 실험 결과, 기존 방법 대비 평균 ROC-AUC가 1.8%~9.6% 향상되는 등 우수한 성능을 보였습니다.
