OGB是目前公認(rèn)的圖學(xué)習(xí)基準(zhǔn)數(shù)據(jù)集代表，由斯坦福大學(xué)Jure Leskovec教授團(tuán)隊(duì)建立，于2019年國際頂級(jí)學(xué)術(shù)會(huì)議NeurIPS上正式開源。其囊括了節(jié)點(diǎn)性質(zhì)預(yù)測、邊性質(zhì)鏈接預(yù)測、圖性質(zhì)預(yù)測等圖學(xué)習(xí)領(lǐng)域眾多權(quán)威賽道，以質(zhì)量高、規(guī)模大、場景復(fù)雜、難度高著稱，素有圖學(xué)習(xí)領(lǐng)域“ImageNet”之稱，吸引了包括微軟、Deepmind、Facebook、阿里巴巴、百度、字節(jié)跳動(dòng)、斯坦福、MIT、北京大學(xué)等眾多頂尖高校和科技公司參與。

?分子屬性預(yù)測過程示意圖

圖神經(jīng)網(wǎng)絡(luò)(GNN)由于其強(qiáng)大的非結(jié)構(gòu)化數(shù)據(jù)的處理能力受到了工業(yè)界以及學(xué)術(shù)屆的廣泛關(guān)注。此次，騰訊優(yōu)圖實(shí)驗(yàn)室參與了圖屬性預(yù)測賽道下Ogbg-molhiv、Ogbg-molpcba等四項(xiàng)極具價(jià)值的任務(wù)。其中，騰訊優(yōu)圖實(shí)驗(yàn)室在transformer和GNN結(jié)合的分子建?；A(chǔ)上針對(duì)分子的2D-3D結(jié)構(gòu)建模、數(shù)據(jù)擴(kuò)充、訓(xùn)練算法等方向進(jìn)行了一系列改進(jìn)，例如改進(jìn)的FLAG算法、圖插值算法等。

值得期待的是，該類技術(shù)近年來也逐漸為新能源、生物制藥等產(chǎn)業(yè)帶來更多AI助力。以新能源產(chǎn)業(yè)鋰電池研發(fā)為例，在新型電解液篩選中通過預(yù)測分子屬性可以擴(kuò)大分子篩選范圍、減少研發(fā)周期，這方面AI相對(duì)傳統(tǒng)仿真技術(shù)可以有萬倍以上的加速。在生物制藥產(chǎn)業(yè)，通過AI對(duì)分子建模可以預(yù)測小分子藥物效果加速藥物研發(fā)，例如在新冠疫苗研發(fā)中AI技術(shù)也起到了加速作用。

songjy