notebook

深色模式

WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

as05 科学计算中的 GNN — demo.py 代码详解 ​

Download demo.py

运行方式 ​

bash
cd docs/science/gnn/code
python demo.py

代码逐段详解 ​

第1步：建图 ​

  • build_grid_graph_2d：四邻接网格 → 边列表
  • make_toy_molecule：6 节点玩具分子 + one-hot 原子类型 + 度数特征

第2步：两种消息传递 ​

不可学习平滑（场景 A）：

python
h_i' = (1-α) h_i + α * mean_j h_j

在热斑网格上迭代，可视化扩散过程 → mesh_smoothing.png。

可学习层 MessagePassingLayer（场景 B）：

text
messages = W_msg(h[src])
agg[dst] = mean(messages)
h' = ReLU(W_self(h) + agg)

用 index_add_ 按目标节点聚合，不依赖 PyG。

第3步：TinyGNN 训练 ​

两层 MP + 线性头，监督信号是「邻居原子序数均值」。训练约 300 epoch 后 MSE 应降到很小，并输出：

文件内容
as05-01-message-passing.png概念图
mesh_smoothing.png网格扩散
molecule_mp_result.png分子预测
node_features_before_after.png特征空间变化

关键概念速查表 ​

概念含义代码位置
邻接表 / edge_index图的两种存储edges_to_adj_list / edge_index
均值聚合AGG = meanmessage_passing_smooth
过平滑多层后节点趋同网格方差下降
读出节点 → 任务输出TinyGNN.head

源码位置 ​

clone 后打开（相对仓库根目录）：

docs/science/gnn/code/demo.py