분자 및 재료의 특성을 예측하기 위한 엣지 업데이트를 포함한 신경 메시지 전달

분자 그래프에서의 신경 메시지 전달은 분자와 재료의 생성 에너지 및 기타 특성을 예측하는 가장 유망한 방법 중 하나입니다. 본 연구에서는 수신 원자의 은닉 상태에 따라 원자 간 정보 교환이 달라질 수 있도록 엣지 업데이트 네트워크를 도입하여 신경 메시지 전달 모델을 확장하였습니다. 제안된 모델을 세 가지 공개 데이터셋(QM9, The Materials Project, OQMD)에서 벤치마킹한 결과, 이 모델이 기존 최고의 발표된 결과보다 모든 세 가지 데이터셋에서 생성 에너지 및 기타 특성의 예측 성능이 우수함을 확인하였습니다. 또한 결정 구조를 표현하기 위해 사용되는 그래프를 구성하는 다양한 방법을 조사하였으며, K-최근접 이웃 기반 그래프를 사용할 때 최대 거리 절단 또는 보로노이 타일링 그래프를 사용하는 것보다 더 나은 예측 정확도를 얻는다는 것을 발견하였습니다.