本論文では、ポリマーの特性予測のためのマルチビューデザインを提案し、補完的な表現を活用しています。このシステムは、(i) タブラ形式のRDKit/Morgan記述子、(ii) グラフニューラルネットワーク、(iii) 3D情報に基づく表現、(iv) 事前学習済みのSMILES言語モデルの4つのファミリーを統合し、均一なアンサンブルを通じて各特性の予測を平均化します。モデルは10分割で訓練され、SMILESテスト時の拡張を用いて評価されます。このアプローチは、2025年のNeurIPSにおけるオープンポリマー予測チャレンジで2241チーム中9位を記録し、公開MAEは0.057、非公開MAEは0.082を達成しました。