【論文紹介】E(n) Equivariant Graph Neural Networks - Pseudo Theory of Everything

対称性が課された機械学習の理論に興味があり、なんとなく探していたところ、最近出た論文に読みやすそうなものがあったので読んでみました。次の論文を紹介したいと思います。 arxiv.org イントロダクション この論文では、グラフニューラルネットワーク(GNN)に \(E(n)\) 変換のもとで同変(equivariant)性を課したモデルを構築しています。 \(E(n)\) は \(n\) 次元ユークリッド空間での等長変換群であり、回転、並進、鏡映、置換からなりますが、今回の論文では基本的に回転と並進に着目しているように思えます。このような変換を考えることのモチベーションとしてはData Augmentationなどがあるようで、著者たちの過去の関連論文では arxiv.org などがあります。後に紹介しますが、グラフニューラルネットワークに対称性を課した研究は、点群(point cloud

[sh19910711]

"n次元ユークリッド空間での等長変換群 + モチベーションとしてはData Augmentationなど / 従来のグラフニューラルネットワークで使われるノードの特徴ベクトルhの他に実際のノードの座標であるxを導入" arXiv:2102.09844 2021