从图神经网络到几何深度学习：AI4Science的下一个颠覆性突破在何处？

文章预览

导语 传统深度学习方法在处理非欧几何空间数据时显得力不从心。近年来，基于消息传递机制的图神经网络的出现，为处理社交网络和分子结构等具有复杂关系结构的数据提供了全新的方案。然而传统的图神经网络在设计之初也并非完美，几何深度学习是否能为非欧几何空间的数据提供更精确的表征？如何才能够克服传统图神经网络的局限？AI for Science的下一个颠覆性突破又在何处？ 几何深度学习读书会 第二期由发起人之一上海交通大学副教授王宇光，带领大家探索几何深度学习当前的研究进展及未来的技术趋势。本次分享依次介绍了图神经网络如何通过消息传递机制和图卷积模块处理图结构数据，并针对其缺陷提出了改进和优化方法。进一步，通过介绍消息传递单纯复形网络和双曲几何深度学习，详细阐述了几何深度学习在处理非欧几里得数 ………………………………