引用amitoz_azad · 2020-08
“Message passagin equation (the way of forward convolution) on graphs”
引它说明图上消息传递方程即前向卷积的方式
把图神经网络统一为 MPNN 框架,用于分子性质预测
论文把已有的、对分子对称性不变的神经网络模型重新表述为统一框架:消息传递神经网络(MPNN),并在该框架内探索了新的变体。在一个重要的分子性质预测基准上,MPNN 取得了最先进的结果;作者认为这些结果已足够强,未来工作应转向更大分子或更准确真值标签的数据集。
HN 评论者把它作为图上消息传递(图卷积前向计算)的出处,并用来说明 GNN 在分子性质预测任务上处于最先进水平,也有人把它列入阅读清单。
“Message passagin equation (the way of forward convolution) on graphs”
“GNNs are the state of the art on those tasks”
“Neural Message Passing for Quantum Chemistry - Neural Message Passing for Quantum Chemistry”