近日，我院李梦教授课题组在国际期刊《Engineering Applications of Artificial Intelligence》（EAAI）上发表了题为“Adaptively Multi-modal Contrastive Fusion Network for Molecular Properties Prediction”的学术论文（论文链接：https://doi.org/10.1016/j.engappai.2025.110782）。该论文的第一署名单位是重庆工商大学数学与统计学院，统计学硕士唐文燕为第一作者，数学与统计学院李梦教授与浙江大学附属第一医院陈斌主任担任共同通讯作者。

EAAI作为人工智能与计算机工程应用领域的国际权威期刊，获中国科学院列为SC计算机科学大类I区TOP级别，最新影响因子高达8.0，充分彰显其卓越的学术影响力和高水准。

本研究创新性地提出了多模态自适应对比融合网络（AMCFNet），该网络通过整合多模态数据，旨在提高乳腺癌治疗候选药物筛选的准确性，从而加速药物研发进程。研究团队构建了基于知识先验的K-BERT模块与多层图神经网络（GNN）模块的双分支结构，并巧妙融合分子的序列语义信息与拓扑结构信息，通过对比学习技术和自适应权重分配机制形成多视角互补信息，成功突破传统多模态融合模型的性能瓶颈。该方法可深入理解并自适应融合分子语义与结构特征，有效缓解多模态数据异质性问题，显著提升模型在多模态融合与性质预测方面的性能。