[CS224W] 1.2 Applications of Graph ML

Graph ML의 응용 분야와 영역

Classic ML Task

• Node Classification : Node의 Label 분류
• Link Prediction : Missing Link 찾기
• Graph Classification : Categorize diffrent graphs
• Clustering
• Graph generation(약물 등), Graph evolution(물리적 현상 설명)

Example of Node level Aplication

• Protein Folding : 단백질을 일련의 아미노산으로 간주해 아미노 서열을 통해 단백질의 3D 구조를 예측
  DeepMind의 AlphaFold에서 근본적인 단백질을 공간 Graph로 표현하여 예측에 성공

Example of Edge-level ML tasks

• Recommender system
  Node : User, item
  Edge : User-item interactions
  Goal : Predict or recommend item users might like
  How to embedding Node by relation 이 중요
  이미지와 Graph 구조를 연결하여 좋은 결과를 도출

• Drug Side Effects
  많은 사람들이 질병 치료를 위해 다양한 약을 복용
  Task : given a pair of drugs predict adverse side effects
  Node : Drugs, Protein
  Edges : interactions
  We already know protein interaction, So we want to find missing links(side effects)
  This method discover unknown side effects!
  공식 FDA DB에 없는 side effects를 찾아버린 모델들

Examples of Subgraph level ML tasks

• Traffic Prediction
  Node : Road
  Edge : Connectivity between road
  Task : 도착 시간 예측
  Google Map에 사용되었으며 GNN으로 문제를 해결

Example of Graph-level ML Tasks

• Find Antibioics(항생제)
  Node : 분자
  Edges : 화학 Bonds
  Graph Generation과 비슷한데, New Molecules를 생성하는 것이기 때문

• Physics simulation
  Node : 입자
  Edge : 입자 사이의 상호작용
  그래프가 미래에 어떻게 변형될지 (입자가 어떻게 변화할지)
  입자간의 근접성을 graph로 표현하고 근접성의 변화를 통해 입자의 변화를 예측하는 것