原子有它们的特征向量 X。特征向量中的索引表示节点索引。
最直接的方法是聚合特征向量,例如,简单地取它们的平均值:
这是一个有效的解决方案,但它忽略了重要的分子空间结构。...图卷积
我们可以提出另一种想法:用邻接矩阵表示分子图,并用特征向量“扩展”其深度。我们得到了一个伪图像 [8, 8, N],其中 N 是节点特征向量 x 的维数。...但是邻接矩阵中的节点顺序是任意的, 例如,可以将列顺序从 [0, 1, 2, 3, 4, 5, 6, 7] 更改为 [0, 2, 1, 3, 5, 4, 7, 6],它仍然是 图的有效邻接矩阵。...我们可以在图表上做类似的事情吗?是的,可以在矩阵 X 中堆叠节点特征向量并将它们乘以邻接矩阵 A,然后得到了更新的特征 X`,它结合了有关节点最近邻居的信息。...但在更高维度的情况下,处理的是节点特征矩阵 X 而不是节点特征向量。