8.1.1 图神经网络 (GNN, GCN, GAT) 在分子建模中的应用

文档摘要

8.1.1 图神经网络 (GNN, GCN, GAT) 在分子建模中的应用在分子建模的深水区，我们早已告别了“把原子当球、把键当棍”的朴素时代。当药物研发团队为一个靶点苦寻先导化合物而不得，当材料科学家反复试错却无法预测新型共价有机框架（COF）的质子传导率，当量子化学计算在百原子体系前戛然而止——真正卡住脖子的，从来不是算力，而是表征的粒度与语义的深度。分子不是静止的拓扑快照，它是电子云在核势场中动态演化的概率织锦；它的性质不是原子属性的线性叠加，而是键序、环张力、轨道杂化、长程静电与色散相互作用在图结构约束下涌现出的非线性函数。正因如此，图神经网络（GNN）不是分子建模的“又一种机器学习方法”，而是首次将化学直觉系统性编码进可微分计算图的范式跃迁。