論文の概要: ComENet: Towards Complete and Efficient Message Passing for 3D Molecular Graphs

• arxiv url: http://arxiv.org/abs/2206.08515v1
• Date: Fri, 17 Jun 2022 02:35:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-20 14:37:18.990953
• Title: ComENet: Towards Complete and Efficient Message Passing for 3D Molecular Graphs
• Title（参考訳）: ComENet: 3次元分子グラフのための完全かつ効率的なメッセージパッシングを目指す
• Authors: Limei Wang, Yi Liu, Yuchao Lin, Haoran Liu, Shuiwang Ji
• Abstract要約: 我々は、量子インスパイアされた基底関数と提案されたメッセージパッシングスキームを組み合わせて、不完全で非効率なグラフニューラルネットワーク(ComENet)を構築した。 本手法は,グローバルかつ局所的な完全性を達成することにより,3次元グラフ上の3次元情報の完全性を保証する。
• 参考スコア（独自算出の注目度）: 34.37014978178466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world data can be modeled as 3D graphs, but learning representations that incorporates 3D information completely and efficiently is challenging. Existing methods either use partial 3D information, or suffer from excessive computational cost. To incorporate 3D information completely and efficiently, we propose a novel message passing scheme that operates within 1-hop neighborhood. Our method guarantees full completeness of 3D information on 3D graphs by achieving global and local completeness. Notably, we propose the important rotation angles to fulfill global completeness. Additionally, we show that our method is orders of magnitude faster than prior methods. We provide rigorous proof of completeness and analysis of time complexity for our methods. As molecules are in essence quantum systems, we build the \underline{com}plete and \underline{e}fficient graph neural network (ComENet) by combing quantum inspired basis functions and the proposed message passing scheme. Experimental results demonstrate the capability and efficiency of ComENet, especially on real-world datasets that are large in both numbers and sizes of graphs. Our code is publicly available as part of the DIG library (\url{https://github.com/divelab/DIG}).
• Abstract（参考訳）: 現実世界のデータの多くは3dグラフとしてモデル化できるが、3d情報を完全かつ効率的に組み込んだ学習表現は困難である。 既存の方法は部分的な3D情報を使用するか、過剰な計算コストに悩まされる。 3次元情報を完全かつ効率的に組み込むため,1-hop近傍で機能する新しいメッセージパッシング方式を提案する。 本手法は,グローバルかつ局所的な完全性を達成することにより,3次元グラフ上の3次元情報の完全性を保証する。 特に,大域的完全性を達成するために重要な回転角を提案する。 さらに,本手法は従来の手法よりも桁違いに高速であることを示す。 提案手法の完全性の厳密な証明と時間複雑性の解析を行う。 分子は本質的に量子システムであるため、量子インスパイアされた基底関数と提案するメッセージパッシングスキームを組み合わせることで、\underline{com}plete と \underline{e}fficient graph neural network (comenet) を構築する。 実験結果は、特にグラフの数とサイズの両方で大きい実世界のデータセットにおいて、ComENetの能力と効率を示す。 私たちのコードは、DIGライブラリ(\url{https://github.com/divelab/DIG})の一部として公開されています。

関連論文リスト

• 3D Molecular Geometry Analysis with 2D Graphs [79.47097907673877]
  分子の基底状態3次元ジオメトリは多くの分子解析タスクに必須である。 現代の量子力学的手法は正確な3次元幾何学を計算できるが、計算は禁じられている。 分子グラフから3次元幾何学を予測するための新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-01T19:00:46Z)
• Unified 2D and 3D Pre-Training of Molecular Representations [237.36667670201473]
  統合された2次元および3次元事前学習に基づく新しい表現学習法を提案する。 原子座標と原子間距離は符号化され、グラフニューラルネットワークを介して原子表現と融合する。 提案手法は10タスクの最先端化を実現し、2Dのみのタスクの平均改善率は8.3%である。
  論文  参考訳（メタデータ） (2022-07-14T11:36:56Z)
• Pre-training Molecular Graph Representation with 3D Geometry [39.35244035710228]
  分子グラフは典型的には2次元トポロジー構造によってモデル化される。 実世界のシナリオにおける3D情報の欠如は幾何グラフ表現の学習を著しく妨げている。 本稿では,2次元トポロジ構造と3次元幾何学的ビューの対応と整合性を活用して,自己指導型学習を行うグラフ多視点事前学習(Graph Multi-View Pre-training, GraphMVP)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-07T17:48:57Z)
• Molecule3D: A Benchmark for Predicting 3D Geometries from Molecular Graphs [79.06686274377009]
  我々は、約400万分子の正確な基底状態のジオメトリーを持つデータセットを含むMolecule3Dと呼ばれるベンチマークを開発する。 我々は3次元空間における原子と原子の対距離を予測する2つのベースライン法を実装した。 本手法は予測精度に匹敵する精度を達成できるが,計算コストははるかに小さい。
  論文  参考訳（メタデータ） (2021-09-30T22:09:28Z)
• Spherical Message Passing for 3D Graph Networks [40.10938363608572]
  本稿では,各ノードが空間的位置と関連付けられている3次元グラフからの表現学習について考察する。 本稿では,3次元グラフネットワーク(3DGN)と呼ばれる汎用フレームワークを提案する。 幾何学的情報の物理的表現を導出し、3次元グラフの表現を学習するためのSphereNetを提案する。
  論文  参考訳（メタデータ） (2021-02-09T18:31:23Z)
• Fast and Furious: Real Time End-to-End 3D Detection, Tracking and Motion Forecasting with a Single Convolutional Net [93.51773847125014]
  本研究では,3Dセンサが捉えたデータを用いて,3D検出,追跡,動作予測を共同で推論する,新たなディープニューラルネットワークを提案する。 鳥の眼球を3次元の世界として表現し,空間と時間にまたがる3次元畳み込みを行う。
  論文  参考訳（メタデータ） (2020-12-22T22:43:35Z)
• Interactive Annotation of 3D Object Geometry using 2D Scribbles [84.51514043814066]
  本稿では,ポイントクラウドデータとRGB画像から3次元オブジェクト形状をアノテートする対話型フレームワークを提案する。 当社のフレームワークは,芸術的,グラフィック的専門知識のないナイーブユーザを対象としている。
  論文  参考訳（メタデータ） (2020-08-24T21:51:29Z)
• Parameter-Efficient Person Re-identification in the 3D Space [51.092669618679615]
  我々は3次元空間に2D画像を投影し、新しいパラメータ効率のOmniスケールグラフネットワーク(OG-Net)を導入し、3次元点雲から直接歩行者表現を学習する。 OG-Netはスパース3Dポイントが提供するローカル情報を効果的に活用し、その構造と外観情報を一貫性のある方法で活用する。 私たちは3D空間における人物の再識別を行う最初の試みの1つです。
  論文  参考訳（メタデータ） (2020-06-08T13:20:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。