本发明提供了一种多模态药物虚拟筛选方法，包括以下步骤：选择预训练好的图形变换器GT模型，基于公开数据集进行微调图形变换器GT模型；使用主动学习策略挑选分子，并进行Vina‑GPU+对接，利用分子对接得分对图形变换器GT模型进行微调；使用目标靶标的生物活性实验数据对模型微调；对预筛选化合物库分子进行推理；根据分子得分进行排序，根据需要选取前N个分子作为候选化合物。本发明在对大规模的化合物库进行虚拟筛选时，极大地减少了需要对接的分子数目，缩短了虚拟筛选需要的时间，同时可以提高虚拟筛选的精度，显著地降低药物研发的成本和时间。