分子グラフ学習の道具：PyG・e3nn・DGL-LifeSci

ライブラリより先に表現を決める

分子グラフでは原子をノード、結合をエッジとし、幾何グラフでは位置や空間関係も使います。メッセージパッシングは近傍情報から表現を更新します。推論時に結合関係、立体化学注釈、指定した配座のどれが利用可能かを決めます。PyGのQM9実装はグラフ特徴と座標を含み、座標使用はモデルへ与える情報を変えます。ライブラリは科学的な目的や化学的同一性を代わりに決めません。

pyg-README.md · pyg-torch_geometric/datasets/qm9.py

三つの道具は異なる層にある

道具	文書上の役割	自分で用意するもの
PyTorch Geometric	PyTorchのグラフ基盤、データセット、演算子	化学特徴、構成、対象、評価
e3nn	O(3)等変演算、既約表現、テンソル積	グラフ構築、化学データ、完全な予測器
DGL-LifeSci	DGLに基づく化学・生物ツールキット、分子モデルと例	互換環境とタスク別評価

PyGのデータ・演算子群が実験に合う場合に検討します。対称性を扱う層にはe3nnを検討しますが、分子予測フレームワーク全体の置き換えではありません。DGL-LifeSciは依存関係を確認して、文書例や既存DGLプロジェクトで評価します。条件付きの選択であり、実測に基づく推奨ではありません。

pyg-README.md · e3nn-README.md · e3nn-doc · dgl-README.md

不変性・等変性は予測対象に依存する

同じ配置を回転しても分子のスカラー量は変わらず、予測ベクトルは入力の回転に従って変換します。e3nnは既約表現で回転・反転を含むO(3)の特徴変換を扱います。パリティやベクトル情報の必要性は対象の定義次第です。対称性制約は化学的精度の証明ではなく、双極子の大きさというスカラーと双極子ベクトルも区別します。2D・3Dモデルを比較する際は情報へのアクセスを明記します。

e3nn-doc · pyg-torch_geometric/datasets/qm9.py

保守状況も導入判断に含める

今回GitHubではDGL-LifeSciは未アーカイブですが、pushed_atは2023-11-01です。READMEの最低版はPython 3.6、DGL 0.7.0、PyTorch 1.5.0で、現在の版やアクセラレーター用wheelとの互換性を証明しません。本ガイドは新規インストール命令や現在の環境対応を主張しません。既存の動作環境を固定するか、DGL・PyTorch・RDKit・プラットフォームを合わせ、小さな公式例から評価します。保守状況とモデルの妥当性は別に判断します。

dgl-metadata · dgl-README.md · dgl-package

パッケージ名ではなく実験を評価する

比較前に分子ID、分割、対象単位、特徴構築、調整予算を固定します。学習する正規化は訓練データだけで当てはめ、テストラベルをモデル選択に使いません。指標とともに失敗・網羅率を報告します。ライブラリ変更に伴い配座、グラフ、対象が変われば実験も変わります。ソフトウェア・重み・データの権利を別々に記録します。QM9 Recipeは教育用基準モデルで、ベンチマーク性能やすべてのライブラリの推奨を示しません。

pyg-torch_geometric/datasets/qm9.py