近日,国际顶级图进修标准OGB(Open Graph Benchmark)挑衅赛颁布了最新排名。在与微软亚研、Twitter、腾讯、百度、字节跳动、帝国理工、北京大年夜学、上海交大年夜等浩瀚科技巨擘及顶尖高校的竞技中,第四范式、清华大年夜学电子系机械进修课题组结合团队应用基于AutoML打造的AutoGraph(主动化图神经收集)算法在3项义务中斩获2项第一、1项第三,继客岁摘得OGB双料第一后再创佳绩。

ogbg-molhiv义务第一名

ogbg-ppa义务第一名

ogbg-molpcba义务第三名

因为图构造的普适性,诸如生物医学、分子制药、天体物理等越来越多的高精尖范畴已经将图进修视为智能化、范围化、高效力、低成本立异的关键技巧。尤其在生物医药领,图进修已在分子性质猜测、蛋白质构造猜测、药物靶点亲和力猜测等方面发挥了巨大年夜价值,受到了学术界及工业界的广泛存眷。

(注:无外部数据引入情况下,位居榜单首位)

OGB是今朝公认的图进修基准数据集“标杆”,由图进修范畴的国际顶级学者斯坦福大年夜学Jure Leskovec传授团队建立,于2019年国际顶级学术会议NeurIPS上正式开源。该数据集囊括了节点性质猜测、边性质链接猜测、图性质猜测等多项赛题,以质量高、范围大年夜、场景复杂、难度高著称,素有图进修范畴“ImageNet”之称,成为浩瀚科技巨擘、科研院所和高校团队实验技巧成色的试金石。

继客岁摘得2项常识图谱链接猜测冠军后,第四范式本年介入了ogbg-molhiv、ogbg-molpcba、ogbg-ppa等3项数据量宏大年夜且极具挑衅的图分类义务。个中,ogbg-molhiv、ogbg-molpcba是用于测试分子特点的有名机械进修数据库MoleculeNet中最大年夜的数据集之一,对多种疾病的有效药物筛选和开辟具有重要意义和参考价值。

本次大年夜赛中,结合团队应用了基于第四范式AutoML打造的PAS(面向图分类义务的主动池化图神经收集搜刮算法)参赛。因为图数据和义务的复杂性,不合义务须要应用最为合适的图神经收集模型才能达到最佳后果。PAS算法的价值是可在随便率性义务上主动搜刮后果最优的图神经收集,最终在比赛中跨越了业界一系列基于图神经收集的图分类模型,进一步印证了该技巧的领先性及有效性。