ComENet: 3차원 분자 그래프를 위한 완전하고 효율적인 메시지 전달 방향

실제 세계의 많은 데이터는 3차원 그래프(3D 그래프)로 모델링될 수 있지만, 3차원 정보를 완전하고 효율적으로 반영하는 표현 학습은 여전히 도전 과제이다. 기존의 방법들은 부분적인 3차원 정보만을 사용하거나, 과도한 계산 비용에 시달리고 있다. 3차원 정보를 완전하고 효율적으로 통합하기 위해, 우리는 1-호프 이웃(1-hop neighborhood) 내에서 작동하는 새로운 메시지 전달 방식을 제안한다. 본 방법은 전역적 완전성(global completeness)과 국소적 완전성(local completeness)을 달성함으로써, 3차원 그래프에서 3차원 정보의 완전성을 보장한다. 특히, 전역적 완전성을 달성하기 위해 중요한 회전 각도(rotation angles)를 제안한다. 또한, 기존 방법 대비 수개 차수만큼 빠른 속도를 보임을 실험적으로 입증하였다. 제안한 방법의 완전성에 대한 엄밀한 증명과 시간 복잡도 분석도 제공한다. 분자들은 본질적으로 양자 시스템이므로, 양자 기반의 기저 함수(quantum-inspired basis functions)와 제안한 메시지 전달 방식을 결합하여 \underline{com}plete하고 \underline{e}fficient한 그래프 신경망(ComENet)을 구축하였다. 실험 결과는 ComENet이 능력과 효율성을 모두 갖추고 있음을 보여주며, 그래프의 개수와 크기가 모두 큰 실세계 데이터셋에서尤为 두드러진 성능을 발휘함을 확인하였다. 본 연구의 코드는 DIG 라이브러리(\url{https://github.com/divelab/DIG})의 일부로 공개되어 있다.