0. baseline 模型选择

可能用到的模块：

1. KAGNN 模型中的 KAN 模块 + 分子图构建模块
2. 反应图
3. logRRIM 中的模块
4. SEBlock
5. ACSD 模型中的多尺度并行流动模块
6. MPNN

是同任务的模型：

1. denmark 课题组的文献模型
2. 洪鑫 SEMG 模型
3. ChemAHNet 模型
4. 从 denmark 课题组的被引文献中找类似任务的模型

1. 数据集

1. 数据集：denmark 的 1075 个手性膦酸催化反应
2. 划分方式：denmark 组 在 202x 年文献中提到的必须 600
   的划分方式
3. 手性标记：在 csv 文件里的 catalyst 的 smiles 式里包含@标注

2. 反应图构建

节点数量为 3 或 4（取决于是否包含 product ，初步考虑：不包含）

节点是”Imine 分子”,“Thiol 分子”，“Catalyst 分子”

其中三者通用的节点特征是 ：

1. mordred 物理化学参数(先计算到 400 多个保存起来，等到模型划分数据集后在进行 rf 等特征选择来减少参数量，取 rank100)
2. 分子指纹（Morgan 或 Rdkit descriptor）

“Catalyst 分子”的额外节点特征是:

1. Morfeus 作为 Sterimol, %V_bur, SASA 等的来源，用于专门描述位阻效应。然后 xTB 作为 HOMO, LUMO, Dipole, Charge 的来源，是电子效应（Electronic Effects）的描述符。最后，考虑到手性磷酸催化剂的联萘骨架（BINOL backbone）具有特定的二面角，且该角度会随取代基不同而扭曲，单纯的图神经网络（GNN）难以捕捉这种‘长程的手性诱导’，后期考虑怎样将 Morfeus 计算出的特定几何参数（如二面角、口袋开口大小）显式地作为先验知识注入到网络中。

边是组分之间的关系 E 特征 ：简单的连接方法

边的特征是：

1. 连接方式：单向，双向，无

其他思考

超节点：

若将催化剂节点改为虚拟超节点、然后连接到催化剂的所有原子，将 xTB 电子参数赋给这个超节点.最后 xTB 电荷（Charge/Fukui Indices）：这是原子级属性。必须精确地赋给每一个原子节点（Atom Features）。千万不要把所有原子的电荷取平均作为分子特征，那样会丢失反应活性位点的信息！ 将 Morfeus 位阻参数（Sterimol）描述的特定取代基（如 CPA 的 3,3’-位）的几何尺寸，放到催化剂骨架上连接该取代基的锚点原子的特征，或者赋给上述的“虚拟超节点”

取代基朝向：

“在使用 Morfeus 计算 Sterimol 参数时，你是如何自动定义每个催化剂的‘测量轴’（axis of measurement）的？鉴于 1075 个分子可能有不同的取代基朝向，如何确保定义的 L/B1/B5 方向在所有样本中具有拓扑一致性（Topological Consistency），从而让 GNN 能够学习到一致的规律？” xTB 优化的几何结构被用于生成空间位阻描述符（Steric descriptors），这些描述符随后作为输入被送入 GNN-KAN 模型以学习非线性的构效关系

3. 模型构建

输入数据：反应图 数据流动过程： 多尺度并行流动,且只是单层图模型：concat(全局+局部+)——————仿照 ACSD 模型 模型结构：使用 KAN 替换 MLP 模块：节点嵌入，消息传递，readout 捕获全局信息的层：SEBlock 模块 捕获局部信息的层：MPNN 模块(即标准 GNN 模块)

[!tips]KAGNN 模型

代理模型是干嘛的，强化学习？ 采样方法是什么意思？

论文里可用的表明自己创新点的句子

1. xTB 电荷/轨道: 提供了电子效应（HOMO/LUMO/Gap, Global Electrophilicity）。这对于理解 CPA 的布朗斯特酸性（Brønsted Acidity）和氢键供体能力至关重要。
2. 不要声称你找到了“全局极小点 (Global Minimum)”，使用的是 “Boltzmann-Weighted Ensemble Features” (玻尔兹曼加权系综特征)，催化剂在溶液中本身就是动态的。RDKit ETKDGv3 + xTB Opt 能够捕捉到几个主要的低能构象，通过加权平均，你捕捉的是催化剂的平均立体环境 (Average Steric Environment)。这对于机器学习通常已经足够鲁棒
3. 为了弥补无 CREST 的短板，增加 RDKit 的采样密度来作为一种廉价的补偿，

节点特征

Catalyst：Vbur,Sterimol_L,Sterimol_B1,Sterimol_B5,SASA_Area,SASA_Volume,SASA_Local_PO,Dispersion_P_int,Dispersion_Area,Charge_P,Charge_O_db,Charge_Diff_PO,Charge_H_acidic,Max_Charge,Min_Charge。 thiol：NPR1,NPR2,RadiusOfGyration,PMI1,PMI2,PMI3,Max_Charge,Min_Charge,Charge_Thiol_S。 imine：NPR1,NPR2,RadiusOfGyration,PMI1,PMI2,PMI3,Max_Charge,Min_Charge,Charge_Imine_C,Charge_Imine_N

下一步的规划

针对 3 节点的修改

1. 将本代码中的节点数改为 3 个（删除 product 节点），构图方式修改为这样的 2 种方法：“全连接”，“催化剂单向指向 imine、thiol,且 imine 与 thiol 双向连接”
2. 检查代码，看看删除 product 节点导致图结构改变后，是否存在其他需要进行修改的地方。

针对 4 节点的修改

1. 将边的连接方式的构造逻辑改为基于以下 4 个限定条件筛选的 n 种图：“1.反应物之间，必定存在双向边。2.催化剂与两个反应物之间，必定存在边。3.产物与反应物之间，必定存在反应物指向产物的边。4.每个节点，必定构成至少 1 个边”

在数据集上寻找创新点

1. ChemAHNet 的手性标记方法能否借鉴？

在特征工程上寻找创新点

1. Homo 和 Lumo 以及 Gap 的计算

在模型架构上寻找创新点

1. logRRIM 模块的引入
2. 看看反应图文献

baseline

1. 在不同数据集上进行对比是否有必要？有哪些数据集可以用于我的对比？