分子特性予測は、計算機上での創薬や材料探索において重要なタスクであり、特性を正確に予測することは、期待する特性を持つ分子の評価・選択において有用である。さらにGNNs（Graph Neural Networks）は、分子のグラフ構造を入力として直接エンコードすることができ、分子表現学習の分野において近年注目されている。しかしGNNを用いた分子表現学習には、エンコードの際の分子のトポロジー情報の欠損や化学空間の広さ、ラベル付きデータの不足といった大きな三つの問題がある。そこで本研究では、事前学習として対照学習を導入したモデルを設計し、分子特性予測性能を検証した。