GeoRecon：通过基于重建的预训练学习三维分子的图级表示

基于摘要分析。GeoRecon 面向三维分子的图级表示学习，针对节点级去噪主要关注局部原子环境、未显式提供全局分子结构训练信号的问题，将重建目标从单个原子转向分子整体，以支持能量估计和分子回归等图级属性预测任务。 其核心机制是在预训练中学习用于条件化几何重建的图表示，以促使表示编码协调的全局结构特征，而不仅是孤立的原子细节。作者将该框架描述为完全自监督、仅依赖三维信息，并认为该目标可形成更平滑、迁移性更好的潜在空间。摘要未说明图表示的具体构造、几何重建的实现方式及损失形式，这些机制细节尚未验证。 作者报告，在 QM9、MD17、MD22 及附录基准上，GeoRecon 持续优于其直接坐标去噪基线，并与更广泛的分子预训练基线保持竞争力。摘要未提供具体任务配置、数据划分、指标、提升幅度或统计不确定性，因此目前只能记录方向性结论，不能据此比较不同基准上的收益大小。实验协议、消融及统计信息尚未验证，复现所需的实现与训练配置也需查阅全文确认。 该工作的主要研究对象是三维分子，而非 EEG 或 BCI。现有材料未建立分子整体几何重建与神经信号任务之间的具体机制对应，不能将分子基准上的结果视为 BCI 有效性的证据。