本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)與多任務(wù)學(xué)習(xí)的化合物性質(zhì)預(yù)測(cè)方法，結(jié)合圖神經(jīng)網(wǎng)絡(luò)編碼化合物的結(jié)構(gòu)信息，具體包括根據(jù)化合物SMILES生成的化學(xué)結(jié)構(gòu)圖和計(jì)算得到的分子指紋；化學(xué)結(jié)構(gòu)圖包括原子對(duì)應(yīng)的節(jié)點(diǎn)以及化學(xué)鍵對(duì)應(yīng)的邊；構(gòu)建節(jié)點(diǎn)的原始節(jié)點(diǎn)特征和邊的原始邊特征；通過圖神經(jīng)網(wǎng)絡(luò)的消息傳播和聚合可以獲得化學(xué)架構(gòu)圖的圖嵌入表示；通過結(jié)合圖嵌入和分子指紋，再經(jīng)過多層感知機(jī)輸出目標(biāo)化合物的性質(zhì)預(yù)測(cè)結(jié)果；同時(shí)該模型還可以結(jié)合多任務(wù)學(xué)習(xí)，同時(shí)對(duì)目標(biāo)化合物的多個(gè)性質(zhì)進(jìn)行學(xué)習(xí)預(yù)測(cè)，并可以提高預(yù)測(cè)精度。本發(fā)明適用于單任務(wù)也可以適用于多任務(wù)，多任務(wù)的多輪消息傳播模型共享，并且多層感知機(jī)的輸入是圖嵌入和分子指紋拼接而成的向量。