SEAL erklärt Moleküle fragmentweise – mehr Transparenz in GNNs
Graph Neural Networks (GNNs) haben sich als äußerst leistungsfähig bei der Vorhersage molekularer Eigenschaften erwiesen, indem sie die komplexe Struktur von Molekülen in Graphenform nutzen. Ihre „Black‑Box“-Natur erschwert jedoch die Interpretation der Ergebnisse, was insbesondere in sensiblen Bereichen wie der Wirkstoffentwicklung oder Materialforschung ein Hindernis darstellt.
