图谱网络如何适用于大型和多样化的分子系统？

证明原子图神经网络进展的主要方法是在小型和有限的数据集上进行基准测试。这种方法背后隐含的假设是，在这些狭窄的数据集上取得的进展可以推广到大型的多样化化学。这种普适性对研究很有帮助，但目前还没有得到验证。在这项工作中，我们通过识别许多数据集缺乏的复杂性的四个方面来检验这一假设：1.化学多样性（不同元素的数量），2.系统规模（每个样本的原子数量），3.数据集规模（数据样本的数量），4.领域转移（训练集和测试集的相似性）。我们引入了大型Open Catalyst 2020（OC20）数据集的多个子集来独立研究这些方面。然后，我们在9个数据集上进行了21项消融研究和敏感性分析，对以前提出的和新的模型改进进行测试。我们发现，一些改进在两个数据集之间是一致的，但许多不是，有些甚至具有相反的效果。基于这一分析，我们确定了一个较小的数据集，该数据集与完整的OC20数据集有很好的相关性，并提出了GemNet-OC模型，该模型在OC20上的表现比以前的最先进水平高出16%，同时将训练时间缩短了10倍。总的来说，我们的研究结果挑战了人们普遍认为的图神经网络与数据集的大小和多样性无关的工作方式，并建议在根据狭窄的数据集进行归纳时必须谨慎行事。

《How Do Graph Networks Generalize to Large and Diverse Molecular Systems?》

论文地址:http://arxiv.org/abs/2204.02782v1