SPECTRA: Spektrale Graph-Augmentation für unausgewogene Molekülprognosen
In der Vorhersage molekularer Eigenschaften liegen die wertvollsten Verbindungen – etwa solche mit hoher Wirksamkeit – häufig in seltenen Bereichen des Zielraums. Klassische Graph Neural Networks (GNNs) optimieren meist den durchschnittlichen Fehler und liefern deshalb bei diesen kritischen, aber seltenen Fällen unzureichende Ergebnisse. Traditionelle Oversampling‑Methoden können zudem die molekulare Topologie verfälschen.
