# グラフニューラルネットワーク（GNN） ノードとエッジで構成されるグラフ構造データに対するニューラルネットワーク。グラフの対称性（ノードの並べ替え不変性）を自然に扱えることが特徴。 ## 基本概念 **メッセージパッシング**: GNN の基本操作。各ノードは近傍ノードからメッセージを集約して自身の表現を更新する。L 層の GNN は L ホップ先まで情報を集約できる。 **WL 検査 (Weisfeiler-Leman test)**: GNN の表現能力の古典的な上界。標準的なメッセージパッシング GNN は 1-WL 検査と同じグラフ識別能力を持ち、1-WL が同一視するグラフは GNN も区別できない (Xu+ ICLR 2019)。最近は部分グラフ認識可能性による新しい分類へ移行中 (Zhang+ ICLR 2024)。 ## 主要な研究トピック | トピック | 状況 (2024年時点) | |---------|-----------------| | 解釈性 | 5 年以上ホット。ベクトル NN より一段難しく決定版なし | | [[GNN同変性]] | 分子・タンパク質・物理シミュレーションで活発。メタネットワークへの応用が新潮流 | | 表現能力 | WL 検査から部分グラフ認識可能性へ移行中 | | 頑健性 | 敵対的攻撃・防御で 6 年の歴史。成熟段階 | ## 主な応用分野 - **分子設計・創薬**: 拡散モデルとの組み合わせで生成モデルが活発。分子基盤モデル (Beaini+ ICLR 2024) が登場 - **タンパク質設計**: 三次元構造の対称性 (SE(3)-equivariance) を活用した生成モデル (RFDiffusion 等) - **物理シミュレーション**: Pfaff+ ICLR 2021 傑出論文賞以来、メッシュベース流体・固体シミュレーションで活発 - **時系列データ**: 生体センサー (EEG)・電子カルテ・仮想センシングなど医療応用が多い - **クラウドモニタリング**: DiRecGNN (Hussain+ FSE 2026) がメトリクス・ディメンション推薦に適用 ## ニューラルネットワークのメタ学習との接続 Kofinas+ ICLR 2024, Lim+ ICLR 2024 は MLP のニューロン並べ替え対称性 (パーミュテーション対称性) に着目し、GNN の同変性を利用してモデルパラメータ自体を入力とするメタネットワークを構築。順位相関係数 >= 0.9 でモデル性能を予測できる。[[モデルパラメータ算術]] との接続点。 ## 関連ページ - [[GNN同変性]] — 対称性を保存するモデル設計 - [[モデルパラメータ算術]] — GNN で扱えるパラメータ空間の対称性 - [[マイクロサービスコールグラフ]] — クラウド AIOps での応用先 ## 参照ソース - [[joisino-ICLR-2024-GNN]] — ICLR 2024 GNN 研究動向サーベイ (佐藤竜馬)