作为我国高等化学教育发展的见证者与推动者，《大学化学》自创刊之日起，便肩负起引领教学改革、服务一线教师的重任。四十年风雨兼程，期刊在摸索中成长，离不开几代编委、作者和读者的共同努力。展望未来，我们初心不改，将继续脚踏实地，努力提高质量，让《大学化学》更好地成为化学教师们的良师益友，为建设教育强国贡献一份力量。在此，深切缅怀创刊先驱，并向所有支持者致以最诚挚的谢意！

分子表示学习是人工智能驱动药物研发中的关键任务。尽管图神经网络(GNN)在该领域已表现出优异性能并被广泛应用，但高效提取并显式解析官能团仍是一项挑战。为此，我们提出了MolUNet++模型，该模型通过分子边收缩池化(Molecular Edge Shrinkage Pooling，MESPool)实现分层子结构提取，利用嵌套式UNet框架进行多粒度特征融合，并结合子结构掩蔽解释器实现分子片段的定量分析。我们在分子性质预测、药物-药物相互作用(Drug-Drug Interaction，DDI)预测及药物-靶标相互作用(Drug-Target Interaction，DTI)预测等任务上对MolUNet++进行了评估。实验结果表明，MolUNet++不仅在预测性能上优于传统GNN模型，同时展现出显式、直观且符合化学逻辑的可解释性，为药物设计与优化领域的研究者提供了有价值的启示与工具。

本文介绍了诺贝尔化学奖得主、德国化学家卡尔∙齐格勒(Karl Ziegler)的科研历程及贡献以纪念他逝世50周年。Ziegler对科学的热情、独特的思维和卓越的实验能力奠定了他的科学基础。他专注于自由基化合物、多元环化合物和有机金属化合物的研究，他与朱利奥∙纳塔共同发明命名的Ziegler-Natta催化剂对全球聚烯烃工业产生深远影响，造就了上千亿美元的市场。