ABOUT THIS TOOL
关于 Chemprop
基于消息传递神经网络训练分子与反应性质预测模型的开源机器学习软件包。它面向“从结构化化学数据训练和评估性质预测模型”这一类科研任务，可通过Python、CLI、Jupyter、GPU使用。本站将其归入化学与材料，相关能力标签包括分子性质预测、图神经网络。
适合以分子或反应结构及对应标签训练消息传递神经网络，用于分类、回归、多任务预测和不确定性分析。研究中应预先定义数据清洗与拆分策略，避免相近骨架跨越训练集和测试集造成乐观估计，并记录 Chemprop 主版本、特征、超参数、随机种子和评估指标。
Chemprop 适合哪些科研任务？
- 训练分子或反应性质预测模型
- 比较数据拆分、模型集成和超参数设置
- 生成预测、不确定性估计或学习到的分子表示
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 预测可靠性受训练数据覆盖、标签质量和拆分方式限制，域外分子需要单独评估
- Chemprop 1 与 2 的接口和默认设置存在明显差异，复现实验时必须记录主版本并核对迁移说明
分子性质预测图神经网络
最后核验：2026-09-04
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。