【MindScience-Core】API-GraphNeuralNetwork

# 一、特性概述

## 1.1 需求来源及价值描述

### 1.1.1 图神经网络在AI4Science领域的重要性

图神经网络（Graph Neural Network，下文统一称GNN）在AI4Science领域应用十分广泛，其核心价值在于对复杂系统内在关系的天然建模能力。科学研究的核心对象（分子、蛋白质、材料、气候系统、物理相互作用网络等）本质上都是由实体及其关系构成的图结构数据。GNN在此领域的独特优势体现在：

1. 直接建模非欧几里得关系：

传统CNN/RNN难以有效处理原子键、蛋白质残基连接、材料晶体结构以及物理场拓扑结构复杂的数据。GNN通过消息传递机制，直接学习和推理实体（节点）之间连接（边）所蕴含的物理、化学或生物规律。

2. 学习多尺度特征与相互作用：

GNN能同时捕捉局部原子/残基环境与长程相互作用（如分子内氢键、蛋白质折叠、材料中的电子耦合），这对于理解物质性质、蛋白质功能、材料性能等至关重要。层级GNN架构可有效提取从微观到介观的多尺度特征。

3. 数据高效与物理规律融合：

科学实验数据往往昂贵且稀少。GNN的归纳偏置（即图结构先验）使其在少量标注数据上也能表现出色。更重要的是，GNN架构易于与物理定律（如对称性约束、能量守恒）结合，发展物理信息驱动的GNN模型，提升预测的准确性、可解释性和外推能力。

具体地，当前通过GNN赋能关键领域科学发现与工程应用包括且不限于：

* 药物发现： 精准预测分子性质、药物-靶点相互作用、蛋白质-配体结合，加速新药研发。

* 材料设计： 高效搜索具有特定性能（如高导电性、强韧性）的新材料，缩短研发周期。

* 结构生物学： 解析蛋白质结构（如AlphaFold2的关键组件）、预测蛋白质功能、理解蛋白质动态行为。

* 量子化学计算： 替代部分昂贵的量子力学计算，快速预测分子能量、力场、反应路径。

* 气候与地球科学： 建模复杂的地球系统（如大气环流、生态网络）中各组成部分的相互作用。

* 复杂边界物理场离散：建模复杂边界条件下的物理场，对应点云、非结构化网格等物理场表征方法。

### 1.1.2 GNN当前生态和MindSpore能力

目前业界已有的主流GNN生态包括pytorch_geometric（下称PyG）和deep graph library（下称DGL），其中PyG在运行性能、API友好程度、GNN SOTA模型覆盖度方面更具优势。

MindSpore已有Graph Learning库，能够针对图模型特有的执行模式进行编译优化，帮助开发者缩短训练时间。MindSpore Graph Learning还创新提出了以点为中心编程范式，提供更原生的图神经网络表达方式，并内置覆盖了大部分应用场景的模型。然而，基于静态图优化的MindSpore Graph Learning限制了GNN结构的多变性，同时也增大了调试难度。尤其在AI4Science领域，对高效、灵活、易用、可拓展，且符合业界使用习惯的GNN接口的需求愈发迫切。

## 1.2基本原理

[sharker库](https://gitee.com/XuhanLiu/sharker)是刘许晗老师参考PyG在MindSpore框架实现的一整套GNN库，为纪念徐霞客，刘许晗老师将其命名为sharker。MindSpore开源社区感谢刘许晗老师的贡献，将部分网络进行性能优化，并将sharker库中主要功能看护起来，形成现在的mindscience_core.sharker接口。

## 1.3场景分析

# 二、详细设计

## 2.1总体方案描述
MindScience的sharker接口提供了基本的图数据接口和网络接口，并给出GCNConv、GATConv和GINConv等多个网络实践，针对scatter等操作的性能进行了优化。目前，暂不提供CSR数据类型支持，也不提供Hetero/Hyper图支持。
## 2.2基本功能设计
sharker类的设计和基本功能如下：
```
mindscience.src
│  __init__.py
├─sharker
│  │  experimental.py
│  │  home.py
│  │  inspector.py
│  │  resolver.py
│  │  seed.py
│  │  template.py
│  │  typing.py
│  │  __init__.py
│  ├─data
│  │  │  batch.py
│  │  │  collate.py
│  │  │  database.py
│  │  │  datapipe.py
│  │  │  dataset.py
│  │  │  download.py
│  │  │  extract.py
│  │  │  graph.py
│  │  │  in_memory.py
│  │  │  on_disk.py
│  │  │  remote_store.py
│  │  │  separate.py
│  │  │  storage.py
│  │  │  summary.py
│  │  │  temporal.py
│  │  │  view.py
│  │  │  __init__.py
│  ├─dataset
│  │      qm9.py
|  |      powerflow.py
│  │      __init__.py
│  │      
│  ├─io
│  │  │  fs.py
│  │  │  npz.py
│  │  │  obj.py
│  │  │  off.py
│  │  │  planetoid.py
│  │  │  ply.py
│  │  │  sdf.py
│  │  │  tu.py
│  │  │  txt_array.py
│  │  │  __init__.py
│  ├─loader
│  │  │  dataloader.py
│  │  │  __init__.py
│  ├─nn
│  │  │  encoding.py                              时空编码
│  │  │  inits.py                                 权重初始化
│  │  │  reshape.py                               带repr的reshape
│  │  │  __init__.py
│  │  ├─aggr
│  │  │  │  attention.py
│  │  │  │  base.py
│  │  │  │  basic.py
│  │  │  │  __init__.py
│  │  ├─conv
│  │  │  │  edge_conv.py
│  │  │  │  gatv2_conv.py
│  │  │  │  gat_conv.py
│  │  │  │  gcn_conv.py
│  │  │  │  gin_conv.py
│  │  │  │  message_passing.py
│  │  │  │  sage_conv.py
│  │  │  │  __init__.py
|  │  ├─models
│  │  │  │  mlp.py
│  │  ├─norm
│  │  │  │  batch_norm.py
│  │  │  │  __init__.py
│  ├─utils
│  │  │  assortativity.py
│  │  │  augmentation.py
│  │  │  cluster.py
│  │  │  coalesce.py
│  │  │  convert.py
│  │  │  degree.py
│  │  │  dropout.py
│  │  │  embedding.py
│  │  │  functions.py
│  │  │  grid.py
│  │  │  hetero.py
│  │  │  homophily.py
│  │  │  isolated.py
│  │  │  laplacian.py
│  │  │  loop.py
│  │  │  map.py
│  │  │  mask.py
│  │  │  mixin.py
│  │  │  ncon.py
│  │  │  negative_sampling.py
│  │  │  noise_scheduler.py
│  │  │  normalize.py
│  │  │  num_nodes.py
│  │  │  random.py
│  │  │  repeat.py
│  │  │  select.py
│  │  │  softmax.py
│  │  │  sort_edge_index.py
│  │  │  sparse.py
│  │  │  subgraph.py
│  │  │  to_dense_adj.py
│  │  │  to_dense_batch.py
│  │  │  tree_decomposition.py
│  │  │  trim_to_layer.py
│  │  │  unbatch.py
│  │  │  undirected.py
│  │  │  _scatter.py
│  │  │  _segment.py
│  │  │  __init__.py
```
## 2.3可靠性、可用性
参考刘许晗老师的sharker库，网络中已经提供了完备的异常告警功能
sharker库目前仅支持动态图版本，看护版本支持MindSpore版本≥2.6.0，并在MindSpore2.3.0版本初步验证，但不再看护
看护策略如下
```
tests
│  test_config_store.py
│  test_edge_index.py
│  test_inspector.py
│  test_schnet.py
│  test_seed.py
│  test_typing.py
│  tree.txt
│  __init__.py
├─data
│      test_batch.py
│      test_data.py
│      test_database.py
│      test_dataset.py
│      test_dataset_summary.py
│      test_feature_store.py
│      test_graph_store.py
│      test_hetero.py
│      test_hypergraph.py
│      test_inherit.py
│      test_on_disk_dataset.py
│      test_remote_backend_utils.py
│      test_storage.py
│      test_temporal.py
│      test_view.py
├─datasets
|      test_qm9.py
|      test_powerflow.py
├─io
│      test_fs.py
│      test_off.py
│      
├─loader
│      test_cache.py
│      test_cluster.py
│      test_common.py
│      test_dataloader.py
│      test_dynamic_batch_sampler.py
│      test_graph_saint.py
│      test_hgt_loader.py
│      test_ibmb_loader.py
│      test_imbalanced_sampler.py
│      test_link_neighbor_loader.py
│      test_mixin.py
│      test_neighbor_loader.py
│      test_neighbor_sampler.py
│      test_random_node_loader.py
│      test_shadow.py
│      test_temporal_dataloader.py
│      test_utils.py
│      test_zip_loader.py   
├─nn
│  │  test_encoding.py
│  │  test_inits.py
│  │  test_reshape.py
│  │  test_resolver.py
│  │  
│  ├─aggr
│  │      test_aggr_utils.py
│  │      test_attention.py
│  │      test_basic.py
│  │      test_deep_sets.py
│  │      test_equilibrium.py
│  │      test_fused.py
│  │      
│  ├─conv
│  │      test_gated_graph_conv.py
│  │      test_gatv2_conv.py
│  │      test_gat_conv.py
│  │      test_gcn2_conv.py
│  │      test_gcn_conv.py
│  │      test_gin_conv.py
│  │      test_message_passing.py
│  │      
│  └─norm
│          test_batch_norm.py
│          test_graph_norm.py
│  ├─performance
|  |       test_gat_conv_performance
|  |       test_dataloader_performance    
└─utils
        test_assortativity.py
        test_augmentation.py
        test_coalesce.py
        test_convert.py
        test_degree.py
        test_dropout.py
        test_embedding.py
        test_functions.py
        test_geodesic.py
        test_grid.py
        test_hetero.py
        test_homophily.py
        test_isolated.py
        test_laplacian.py
        test_lexsort.py
        test_loop.py
        test_map.py
        test_mask.py
        test_mesh_laplacian.py
        test_negative_sampling.py
        test_noise_scheduler.py
        test_normalized_cut.py
        test_num_nodes.py
        test_ppr.py
        test_random.py
        test_repeat.py
        test_select.py
        test_softmax.py
        test_sort_edge_index.py
        test_sparse.py
        test_spmm.py
        test_subgraph.py
        test_to_dense_adj.py
        test_to_dense_batch.py
        test_tree_decomposition.py
        test_trim_to_layer.py
        test_unbatch.py
        test_undirected.py
```

GVP MindSpore/mindscience
关闭

内容风险标识

评论 (1)

GVPMindSpore/mindscience关闭

内容风险标识