图特征提取基础：图数据表示、邻接矩阵、度矩阵、拉普拉斯矩阵
各位同学好，我是咱们这门课的老赵。今天咱们正式开始第一讲——图特征提取的基础。说实话，这部分内容看起来简单，但我见过不少同学包括早期的我自己，在这上面栽过跟头。你想想看，分子生成领域里，我们面对的每个分子其实都是一张图，怎么把这图变成数学上能算的东西，这就是本讲的精髓。
图数据表示：从分子结构到数学模型
先问大家一个问题：一个分子怎么变成图？
说白了，原子就是节点，化学键就是边。我早期做分子生成项目时，第一步就是把分子结构式转化成图。这件事听起来简单，实际操作有不少坑。
一个标准的图，用数学语言说是 G = (V, E)。其中 V 是节点集合，E 是边集合。在分子场景里，节点带特征——原子类型、电荷、立体化学信息。边也带特征——键级、是否芳香键。
- 节点 (V)：比如 C、N、O、H 等原子。每个节点都可以附带一个特征向量。
- 边 (E)：单键、双键、三键、芳香键。边也可以有方向或权重。
举个具体例子，甲烷（CH₄）的分子图：
节点集合 = {C, H₁, H₂, H₃, H₄}
边集合 = {(C, H₁), (C, H₂), (C, H₃), (C, H₄)}
所有边都是单键，权重统一为 1嗯，这里要注意：在实际代码实现中，节点顺序很重要。不同的节点顺序会产生不同的矩阵表示，但图本身是一样的。这就是图数据的置换不变性——我当年刚入行时，花了整整一周才把这个逻辑梳理清楚。
邻接矩阵：图的骨架
邻接矩阵是表达图结构最直接的方式。本质上就是个二维表格，行和列都对应节点，单元格里填的是边信息。
对于有 n 个节点的图，邻接矩阵 A 的大小是 n × n：
- 简单图：
A[i][j] = 1表示节点 i 和 j 之间有边，否则为 0。 - 带权图：
A[i][j] = w，w 是边的权重（比如键级）。 - 有向图：
A[i][j] ≠ A[j][i]。
我之前踩过坑：图里有自环时，邻接矩阵的对角线元素怎么处理？
分子生成中，除非你在模拟特殊反应中间体，一般对角线都设为 0。不过如果你做分子动力学中的某些特殊场景，自环可能是需要的。这种情况我建议看清楚问题再决定。
邻接矩阵有三种常见变体：
| 类型 | 元素含义 | 分子应用场景 |
|---|---|---|
| 简单邻接矩阵 | 0/1 | 图论分析、连通性判断 |
| 带权邻接矩阵 | 键级或距离 | 分子力学、力场计算 |
| 多重边邻接矩阵 | 整数表示边数 | 共振结构、动态键解析 |
项目心得：我早期做分子生成时，经常用稀疏矩阵来存邻接矩阵。分子图通常很稀疏——几百个原子，边数远小于全连接。用稠密矩阵存，内存直接炸。建议用 scipy.sparse 或 PyTorch 的稀疏张量。
度矩阵：节点连接数的一览表
度矩阵 D 是个对角矩阵，对角线上 D[i][i] 是节点 i 的度——也就是它连接的边数。
公式很简单：D[i][i] = Σⱼ A[i][j]
计算也直接：把邻接矩阵第 i 行所有非零值加起来，放进 D[i][i]。
拿刚才甲烷的例子，碳原子的度是 4，四个氢原子的度都是 1。度矩阵就是：
碳节点 4 0 0 0 0
H₁ 0 1 0 0 0
H₂ 0 0 1 0 0
H₃ 0 0 0 1 0
H₄ 0 0 0 0 1我早期做分子生成时，经常画出度矩阵来检查图结构对不对。度数太高的节点可能是错误连接——比如一个碳连了 5 个原子出来，那多半是数据问题。
拉普拉斯矩阵：图信号处理的灵魂
拉普拉斯矩阵 L 的定义很简单：L = D - A
但它的意义远不止是个减法。它蕴含了图的谱信息，在分子生成中常用于图卷积、谱聚类、分子构象分析。
拉普拉斯矩阵有三种主要形式，我建议你记清楚区别：
| 类型 | 公式 | 特点 |
|---|---|---|
| 标准拉普拉斯 | L = D - A | 行和、列和为 0，半正定 |
| 对称归一化拉普拉斯 | Lsym = I - D-½ A D-½ | 特征值在 [0, 2] 区间，用于图卷积网络 |
| 随机游走归一化拉普拉斯 | Lrw = I - D-1 A | 行和为 0，用于随机游走类算法 |
说到项目经验，我在做图卷积网络时发现，对称归一化拉普拉斯矩阵用起来明显更稳。特征值被限制在 [0, 2] 之间，梯度爆炸的风险小很多。
核心要点：拉普拉斯矩阵的二次型 xᵀLx 可以衡量图信号 x 的平滑度。平滑的信号在相邻节点上值接近。这个性质在分子性质预测、构象生成里非常有用——说白了，相邻原子之间的物理性质不会突变，这就是拉普拉斯矩阵帮我们捕捉的先验知识。
接下来我用一张图帮大家梳理这四个概念的关系：
这张图把咱们讲的四个概念串起来了。分子图是起点，三种矩阵各有所长，最终落到具体的分子生成应用上。
代码示例：怎么在 Python 里计算这些矩阵
理论讲完，咱们上手实际看一下。用 NetworkX 和 NumPy，几行代码就能搞定：
import numpy as np
import networkx as nx
# 构建一个简单的分子图——甲烷
G = nx.Graph()
G.add_nodes_from(['C', 'H1', 'H2', 'H3', 'H4'])
edges = [('C', 'H1'), ('C', 'H2'), ('C', 'H3'), ('C', 'H4')]
G.add_edges_from(edges)
# 获取邻接矩阵
A = nx.adjacency_matrix(G).toarray()
print("邻接矩阵 A：")
print(A)
# 计算度矩阵
degrees = [d for _, d in G.degree()]
D = np.diag(degrees)
print("\n度矩阵 D：")
print(D)
# 计算拉普拉斯矩阵
L = D - A
print("\n拉普拉斯矩阵 L = D - A：")
print(L)避坑指南：我曾经用上面这段代码跑了上千个分子的数据，发现注意节点顺序很重要。NetworkX 默认按节点添加顺序排列，如果你需要固定顺序，建议用 sorted(G.nodes()) 明确指定。
归一化拉普拉斯矩阵的实现也很直接：
# 对称归一化拉普拉斯 L_sym = I - D^(-1/2) A D^(-1/2)
D_inv_sqrt = np.linalg.inv(np.sqrt(D))
L_sym = np.eye(len(degrees)) - D_inv_sqrt @ A @ D_inv_sqrt
print("\n对称归一化拉普拉斯矩阵 L_sym：")
print(np.round(L_sym, 4))重要提醒：当某个节点度数为 0（孤立节点）时，D-½ 会除零出错。这种极端情况在分子生成中虽然不多，但处理带残缺结构的分子时确实会遇到。我建议加上 deg = max(1, deg) 的保底处理，反正孤立节点的归一化怎么算都影响不大，关键是不能崩溃。
几种矩阵表示的核心对比
表格总结一下它们的区别和用途，方便你快速查阅：
| 矩阵 | 维度 | 对称性 | 稀疏性 | 关键属性 | 分子应用 |
|---|---|---|---|---|---|
| 邻接矩阵 A | n × n | 无向图对称 | 通常稀疏 | 行和 = 度 | 图同构检验 |
| 度矩阵 D | n × n | 对角对称 | 几乎对角 | 迹 = 2|E| | 节点度统计分析 |
| 标准拉普拉斯 L | n × n | 对称 | 同 A | 零空间维数 = 连通分量数 | 分子团簇分割 |
| 对称归一化拉普拉斯 L_sym | n × n | 对称 | 同 A | 特征值 ∈ [0, 2] | 图卷积网络 |
| 随机游走归一化拉普拉斯 L_rw | n × n | 非对称 | 同 A | 行和为 0 | 扩散过程建模 |
总结一下本讲的重点：
- 图是分子的数学化身，节点和边的定义直接影响后续建模质量。
- 邻接矩阵是最底层的结构信息，分子图通常是稀疏的。
- 度矩阵虽然简单，但它是归一化操作的基石。
- 拉普拉斯矩阵是图信号处理的核心工具，三种归一化形式各有适用场景。
我相信这部分基础打牢后，后续讲图神经网络、消息传递、以及最终的分子生成模型时，你会觉得顺手很多。这些矩阵操作，说白了就是图深度学习里的加减乘除，没什么高深的，但用错了地方就会出大问题。