热点事件持续更新
研究提出跨物种离子通道分类多模态图神经网络PH-GNN
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出结合持续同调与多模态图神经网络的PH-GNN模型，旨在解决跨物种离子通道分类中的系统发育泄漏问题。在涵盖5个分类群、1,373种毒液化合物的留一分类群基准测试中，常规几何先验模型的准确率大多聚集在54%至55%，而PH-GNN模型达到了63.4%，领先次优方法8个百分点以上。该研究结果证明，拓扑表示能够有效应对结构化的生物分布偏移问题。
AI 根据报道生成 · 6 小时前更新
最新进展10月23日 12:00
研究人员提出结合持续同调的PH-GNN模型，跨物种离子通道分类准确率达63.4%。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习逃离系统发育陷阱：持续同调赋能多模态图神经网络实现跨物种离子通道分类
研究人员提出结合持续同调与多模态图神经网络的 PH-GNN 模型，用于解决跨物种离子通道分类中的系统发育泄漏问题。在涵盖 5 个分类群、1,373 种毒液化合物的留一分类群基准测试中，常规几何先验模型准确率聚集在 54-55%，而 PH-GNN 达到 63.4%，领先次优方法 8 个百分点以上。该成果证明拓扑表示能有效应对结构化生物分布偏移。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。