[TMLR | 论文简读] GemNet-OC：开发用于大型和多样化的分子模拟数据集的图神经网络

简读分享 | 滕赛赛 编辑 | 李仲深

论文题目

GemNet-OC: Developing Graph Neural Networks for Large and Diverse Molecular Simulation Datasets

论文摘要

近年来，分子模拟数据集的数量级更大，种类也更多。这些数据集在四个方面有很大的不同：1.化学多样性（不同元素的数量），2.系统规模（每个样本的原子数量），3.数据集规模（数据样本的数量），4.领域转移（训练集和测试集的相似性）。尽管有这些巨大的差异，小数据集上的基准仍然是证明分子模拟图神经网络（GNNs）进展的主要方法，这可能是由于更容易实现的训练计算要求。这就提出了一个问题--GNN在小的数据集上的进展是否能转化为这些更复杂的数据集？这项工作通过首先开发基于大型Open Catalyst 2020（OC20）数据集的GemNet-OC模型来研究这个问题。GemNet-OC在OC20上的表现比以前的最先进水平高出16%，同时将训练时间减少了10倍。然后，作者比较了18个模型组件和超参数选择对多个数据集性能的影响。作者发现，所产生的模型会有很大的不同，这取决于用来做模型选择的数据集。为了隔离这种差异，作者研究了OC20数据集的六个子集，分别测试上述四个数据集的每一个方面。作者发现，OC-2M子集的结果与完整的OC20数据集有很好的相关性，同时训练成本大大降低。该发现对仅在小数据集上开发GNN的常见做法提出了挑战，但强调了通过适度规模、有代表性的数据集（如OC-2M）和模型（如GemNet-OC）实现快速开发和推广的方法。

论文链接

https://openreview.net/forum?id=u8tvSxm4Bs