本科毕业论文项目，化学信息学实验室，南开大学。

  • 研究如何在分子动力学轨迹中直接从原始 3D 坐标学习结构表征，减少对手工特征的依赖，并提升模型对分子构象特征的刻画能力。
  • 设计端到端表征学习框架，将 SwAV 对比学习引入分子建模任务，并使用 GNN 直接处理分子 3D 坐标。
  • 通过零中心化与 SO(3) 数据增强近似实现分子表征的平移与旋转不变性。
  • 在丙氨酸二肽数据上验证模型表征能力，结果表明该方法能够捕捉并区分自由能景观中的亚稳态结构，实现对分子构象的有效建模。