3차원 그래프 네트워크를 위한 구형 메시지 전파

3차원 공간에서 각 원자가 고유한 공간 위치를 갖는 3D 분자 그래프의 표현 학습에 대해 고려한다. 이는 아직 탐색이 부족한 연구 영역이며, 현재까지 체계적인 메시지 전달 프레임워크가 부재하다. 본 연구에서는 3D 그래프 구조의 완전한 식별을 위해 구면 좌표계(Spherical Coordinate System, SCS)를 활용한 분석을 수행한다. 이러한 관찰을 바탕으로, 3D 분자 학습을 위한 새로운 강력한 기법인 구면 메시지 전달(Spherical Message Passing, SMP)을 제안한다. SMP는 학습 복잡도를 극적으로 감소시켜 대규모 분자에 대해 효율적으로 작동할 수 있다. 또한 SMP는 거의 모든 분자 구조를 구별할 수 있으며, 식별되지 않은 경우는 실제 존재하지 않을 가능성이 높다. 의미 있는 물리적 기반의 3D 정보 표현을 기반으로, 우리는 3D 분자 학습을 위한 SphereNet을 추가로 제안한다. 실험 결과는 SphereNet에서 의미 있는 3D 정보를 활용함으로써 예측 과제에서 유의미한 성능 향상을 달성함을 보여준다. 또한 본 연구 결과는 SphereNet의 능력, 효율성 및 확장성 측면에서의 우수성을 입증한다. 본 연구의 코드는 DIG 라이브러리(https://github.com/divelab/DIG)의 일부로 공개되어 있다.