HDGNN
论文标题：Hybrid Directional Graph Neural Network for Molecules
发表期刊：ICLR 2024(Spotlight)
代码链接：链接
Abstract
1.研究背景——等变消息传递神经网络(Equivariant Message Passing Neural Networks)
- 特点：能够利用平移和旋转对称性，从而引入强大的归纳偏置，已成为分子化学性质预测的主流方法。
- 问题：每一层中的等变操作，可能对函数形式和网络灵活性施加过强的约束。
2.架构提出
- 架构：为解决上述问题，本文提出一种名为混合方向图神经网络(Hybrid Directional Graph Neural Network，HDGNN)的新颖网络架构。
- 特点：它有效地将严格的等变操作与可学习模块相结合。
3.实验结果
- 评估标准：在QM9数据集和OC20中的IS2RE数据集上评估了HDGNN的性能。
- 结果
- 在多个任务上达到最先进水平
- 在其他任务上展现出竞争力