Как графовые нейронные сети работают для молекулярной генерации?
Я изучаю ИИ, чтобы применить его к области химии, в частности, к молекулярной генерации. Я закончил изучение того, как создавать новые молекулы с использованием архитектур на основе RNN, таких как GRU и LSTM. Процесс в этих архитектурах выглядит следующим образом:
- вход — это символ известной молекулы (представленный в строковом формате), задача модели — предсказать следующий символ, поэтому на выходе — вероятность softmax по всем символам. Затем потери вычисляются как кросс-энтропия между предсказанным персонажем и реальным.
Теперь я перехожу к графовым нейронным сетям, поскольку они, кажется, обеспечивают больше преимуществ по сравнению с архитектурами на основе RNN. Хотя я провел свое исследование, я не мог понять, как они работают для этой задачи (т. е. генерации молекул). Точно так же я имею в виду, каковы вход, выход и функция потерь, которые мы пытаемся минимизировать в молекулярной генерации на основе GNN? Заранее спасибо.