Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning)

شبکه‌های عصبی گراف یاد می‌گیرند الگوهای ساختاری را رمزگذاری کنند — اینکه گره‌ها چگونه به همسایگان خود مرتبط هستند — و این الگوها اغلب در میان دامنه‌ها تعمیم می‌یابند. یک GNN که بر روی میلیون‌ها گراف مولکولی از پیش آموزش دیده است، قبلاً الگوهای پیوند شیمیایی را آموخته است؛ تطبیق آن با یک مجموعه داده کوچک برهم‌کنش پروتئین، تنها به تنظیم دقیق سبک لایه‌های نهایی نیاز دارد. یادگیری انتقالی از این بهره می‌برد: یک بار محاسبات را بر روی داده‌های منبع غنی سرمایه‌گذاری کنید، سپس دانش را به طور ارزان به بسیاری از وظایف مرتبط منتقل کنید، درست همانطور که پیش‌آموزش ImageNet بینایی کامپیوتر را متحول کرد.