图神经网络(GNNs),能够从图形数据学习表示,自然适合建模分子系统。本文介绍了图神经网络及其在小有机分子中的各种应用。GNN依赖消息传递操作(一种通用但功能强大的框架)来迭代更新节点特性。许多研究设计了GNN架构,以有效地学习二维分子图的拓扑信息和三维分子系统的几何信息。GNN在分子性质预测、分子评分和对接、分子优化和从头生成、分子动力学模拟等方面都有广泛的应用。此外,本文还综述了含有GNN分子的自监督学习的最新进展。

成为VIP会员查看完整内容
21

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
图神经网络综述
专知会员服务
193+阅读 · 2022年1月9日
几何深度学习分子表示综述
专知会员服务
39+阅读 · 2021年9月7日
专知会员服务
83+阅读 · 2021年8月25日
最新《图神经网络实用指南》2020论文,28页pdf
专知会员服务
220+阅读 · 2020年10月17日
专知会员服务
132+阅读 · 2020年8月24日
最新《图神经网络模型与应用》综述论文
专知会员服务
291+阅读 · 2020年8月2日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
当深度强化学习遇见图神经网络
专知
224+阅读 · 2019年10月21日
图神经网络综述:模型与应用
PaperWeekly
195+阅读 · 2018年12月26日
国家自然科学基金
21+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
56+阅读 · 2021年5月3日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
17+阅读 · 2019年3月28日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
23+阅读 · 2018年10月24日
VIP会员
相关VIP内容
图神经网络综述
专知会员服务
193+阅读 · 2022年1月9日
几何深度学习分子表示综述
专知会员服务
39+阅读 · 2021年9月7日
专知会员服务
83+阅读 · 2021年8月25日
最新《图神经网络实用指南》2020论文,28页pdf
专知会员服务
220+阅读 · 2020年10月17日
专知会员服务
132+阅读 · 2020年8月24日
最新《图神经网络模型与应用》综述论文
专知会员服务
291+阅读 · 2020年8月2日
相关基金
国家自然科学基金
21+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Arxiv
56+阅读 · 2021年5月3日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
17+阅读 · 2019年3月28日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
23+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员