武科大网讯（通讯员杨文皓）近日，人工智能领域的国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence，录用发表了我校信息学院柴利教授团队撰写的论文“Graph Signal Processing Approach to QSAR/QSPR Model Learning of Compounds”（基于图信号处理对化合物QSAR/QSPR建模的研究，DOI : 10.1109/TPAMI.2020.3032718）。这是我校在该期刊发表的第一篇科研论文。
该论文的第一作者为我校青年教师宋笑影博士，通讯作者为柴利教授，澳大利亚斯威本科技大学张竞新教授为共同作者。第一单位是武汉科技大学冶金自动化与检测技术教育部工程研究中心。
IEEE T PAMI是人工智能领域的顶级国际期刊，2019年影响因子为17.86。
该论文创新性地提出一种基于图信号处理的化合物物理化学/活性性质与结构之间定量关系（QSAR/QSPR）的模型学习框架，解决了现有方法不能有效区分具有相同图结构化合物的瓶颈问题，算法的预测性能及稳定性显著优于现有方法。首次在原子节点上引入多维信号，设计了具有高辨识度的分子描述符。在此基础上，构造了一个新的分子描述符图结构并利用图滤波器的高通特性增强描述符变量间的差异性，建立了性能更优更稳健的非线性QSAR/QSPR模型。
该项研究成果首次尝试从图信号处理与机器学习的角度研究化合物的QSAR/QSPR建模问题，为化合物的预测和分类提供了一种基于人工智能的新方法，对图学习与化合物结构分析等领域的交叉研究具有重要的科学意义。
