📚 课程目录第1章图神经网络概述

图神经网络概述：为什么GNN成了分子分析的“香饽饽”

大家好，我是你们这堂课的“老司机”。开篇第一讲，我们先不急着写代码，得把地基打牢。图神经网络（GNN）这几年火得不行，尤其在分子领域——说白了，很多药物研发、材料筛选的难题，靠传统方法已经撞上墙了，而GNN正好是那把锤子。我个人习惯是：学任何技术之前，先搞清楚它从哪来、到哪去、用在哪儿。所以这一章，我们聊聊GNN的发展史、应用场景，以及为什么分子图跟它天生一对。

1.1 从传统图算法到GNN：一段“摸着石头过河”的历史

图这概念本身不新鲜。早在上世纪，图论、图嵌入、图核（Graph Kernel）就有人在搞。我刚开始接触图分析时，用得最多的就是**图核**——比如Weisfeiler-Lehman核。它的思路是把图的结构信息通过迭代标签传播压缩成一个向量，然后扔进SVM里分类。你想想看，那时候没有深度学习，大家全靠手工设计特征，累得半死。

后来，2013年左右，DeepWalk、Node2Vec这类**图嵌入**方法冒出来了。它们把节点看成“单词”，把随机游走序列当成“句子”，然后用Word2Vec的套路学节点表达。嗯，创意确实不错，但有两个硬伤：第一，它对图的结构信息捕获有限；第二，没法泛化到没见过的图。

真正的转折点是2017年。那一年，Thomas Kipf的**GCN**（图卷积网络）横空出世。它把卷积操作搬到了图上，用邻居特征的加权聚合来更新每个节点。我记得当时读那篇论文，心里一惊：原来消息传递可以写得这么简洁！从那以后，GNN家族开始爆炸式增长——GraphSAGE、GAT、GIN、MPNN……一个比一个能打。

关键节点梳理：

～1990s：图核（Weisfeiler-Lehman核等）——手工特征 + SVM
2013-2016：图嵌入（DeepWalk， Node2Vec）——随机游走 + 浅层神经网络
2017：GCN —— 首次把卷积推广到图，消息传递框架成型
2018：GAT —— 引入注意力机制，让消息传递学会“看人下菜碟”
2019-至今：MPNN、GIN、SE(3)-Transformer等 —— 向分子等复杂图结构深度定制

1.2 GNN的核心思想：消息传递，就这么简单

GNN到底在干什么？我遇到不少新手问这个问题。其实一句话就能说清：**每个节点不断收集邻居的信息，更新自己的状态，反复迭代，最后输出整个图的表达**。这个过程叫消息传递（Message Passing）。你可以类比成开工作会议——每个人先听旁边同事说了什么（消息），然后结合自己原本的想法（自身特征）更新观点（节点表示），开完几轮会，你对整个组的理解就深了。

我曾经犯过一个低级错误：以为消息传递层数越多越好。结果堆到8层，模型反而退化——各种过平滑，所有节点变成一团浆糊。后来学乖了：对分子图这种小图（通常几十个原子），2-3层已经足够。

下面是一个最简单的GNN消息传递伪代码，用PyTorch风格写的。注意这只是一个示意，实际框架会复杂一些。

# 单层消息传递
def message_passing_layer(node_feat, edge_index, W):
    # 1. 准备消息：邻居特征乘以权重
    neighbor_feat = node_feat[edge_index[1]]  # 取出每条边指向的邻居特征
    message = torch.matmul(neighbor_feat, W)  # 线性变换

    # 2. 聚合：求和（也可用mean, max等）
    agg_message = scatter_add(message, edge_index[0], dim=0)

    # 3. 更新：自己特征 + 聚合消息
    new_feat = torch.relu(node_feat + agg_message)
    return new_feat

1.3 为什么要用图？应用场景一览

图结构在现实世界里无处不在。社交网络、交通路网、推荐系统、知识图谱……这些大家可能都听过。但作为分子图分析专家，我更关注**化学和生物领域**。我们来快速扫一遍GNN已经“攻城略地”的场景。

领域	典型任务	为什么用图
药物研发	分子性质预测（溶解度、毒性）	分子天然是图：原子=节点，化学键=边
材料科学	晶体结构性质预测（带隙、弹性模量）	晶体是周期性图，GNN可以捕获长程相互作用
蛋白质结构	蛋白质-配体亲和力预测	蛋白质3D结构可建模为图（残基+空间邻接）
量子化学	能量和力场计算（QM9数据集）	GNN满足置换、旋转、平移等对称性约束
合成路线	逆合成反应预测	化学反应可视为分子图的变换

注意上面表格里最后一行的“逆合成”——我去年帮一家药企做过一个项目，要自动规划原料药合成路线。传统做法靠模板匹配，遇到新反应就挂了。我们换用GNN+注意力机制，把反应物和产物（都是分子图）一起编码，直接预测断键位置。效果比模板好出一大截。但有个坑：数据量不够时，模型会瞎猜。所以避坑指南来了——**我曾经**在只有几千个反应样本时硬上GAT，结果过拟合到连训练集都记不全。后来扩增数据到5万条，模型才稳下来。

💡 给新手的建议：刚开始做分子图项目，别急着上GAT/GIN这些花哨变体。先用最基础的GCN跑一遍，看看能不能学到基本规律。它像个“基线”一样给你兜底。

1.4 分子图：一个天然适配GNN的问题

为什么分子图特别适合GNN？我反复跟学员强调：**分子就是图，不是工程师硬凑的**。原子是节点，化学键是边，原子类型、电荷、杂化方式是节点特征；键型（单/双/叁键）、是否是芳香环是边特征。不需要你费劲去“把数据变成图”，它本来就是图。

但这里有一个关键点：分子图通常是**小图**（平均不到50个节点），而且节点的邻接关系是确定的（没有社交网络里那种动态边）。所以我们在设计GNN时，不需要太在意规模化，反而要更关注**等变性**——分子旋转平移后，预测的性质不能变。具体到GAT，它的注意力机制天然对节点重排是等变的（只要你处理边序不变性），这一点在分子的能量预测中特别重要。

下面这张SVG图浓缩了本章的核心逻辑：从传统图方法进化到GNN，再聚焦到分子图上的应用。箭头体现发展脉络。

⚠ 避坑提示：不要因为GNN好使就忽略分子图的物理约束。比如，在预测分子能量时，如果你的GNN对旋转位移不具备等变性，精度会断崖下跌。GAT的注意力权重需要根据原子间距离或角度来归一化，否则模型会学出一些离谱的依赖关系。我曾经吃过这个亏——只用了原子类型和键类型，没加空间位置编码，模型在QM9数据集上比MPNN差了10%。后来加上距离门控，效果才拉回来。

好了，这一章我们快速走过了GNN的“前世今生”，以及它和分子图的姻缘。下一部分（在第2章）我们会深入GAT的注意力公式，看看它到底怎么“看人下菜碟”。