GNNの活用事例

グラフ構造を学習できるグラフ・ニューラル・ネットワーク（GNN）は、マーケティング、医療・製薬、モビリティなどの分野で高性能な予測モデル構築に活用されています。近年、GNNの予測を説明する手法も研究され、新たな抗生物質の探索に応用されています。データの構造がますます複雑化しているなか、データサイエンティストにとって学ぶ価値のある技術の一つです。

Attentionの基礎とGATへの拡張

Transformer がもたらした Attention は、系列内の「どこに注目すべきか」を Query-Key-Value の重み付き平均で学習し、文脈を抽出する仕組みです。本セミナーでは、その直感的なアイデアから数式の意味づけまでを丁寧に解説。さらに、Attention を グラフ構造に移植した Graph Attention Network (GAT) のアルゴリズムを紐解き、Materials Informatics（分子特性予測） への応用事例までを取り上げます。

講座概要

​本講座では、Graph Neural Network (GNN) の基礎から応用までを学び、実践的な演習として分子構造解析への適用を取り上げ、実装方法を解説します。GNNは、従来のニューラルネットワークでは扱いにくかったグラフ構造データを学習できる技術であり、材料特性の予測、抗生物質の特性予測、交通マップの構造学習などにおいて重要な役割を果たしています。

​まず、GNNの基本概念を理解し、その仕組みや動作原理を学びます。次に、代表的な手法であるGraph Convolutional Network (GCN) やGraph Attention Network (GAT) について解説し、それぞれの特徴を紹介します。

​理論の習得にとどまらず、実践的な演習も行い、GNNを用いた材料特性予測モデルを構築するプロセスを詳しく学びます。コードを実際に動かしながら、GNNの実装方法を習得し、実際のデータ解析手法を身につけることを目指します。本セミナーを通じて、GNNの基本を押さえるとともに、最新の手法を学び、実際のデータを用いた問題解決能力を高めることができます。

  1. ​Graph Neural Network の基礎
  2. ​Graph Convolutional Network (GCN)
  3. ​Graph Attention Network (GAT)
  4. ​分子構造へのGNNの適応例
  5. ​実践コード演習

【講義動画】前半: 63分、後半: 48分

【講義資料】1部、PDF

【演習資料】1部、Jupyter Notebook

このような方におすすめ

  • Graph Neural Network（GNN）の理論と実装を基礎から学びたい方
  • GCNやGATなど、代表的なGNN手法の違いを理解したい方
  • AttentionやTransformerの考え方をGNNに応用した事例に関心のある方
  • 材料科学・化学分野におけるGNN活用に興味のある方
  • PyTorch Geometric（PyG）を用いた分子構造データの解析に取り組みたい方

受講によって期待できる効果

  • Graph Neural Network（GNN）の基本概念と動作原理を理解できる
  • GCNやGATを通じて、代表的なGNNアーキテクチャの特徴を把握できる
  • TransformerやAttentionの応用例を通して最先端の手法をキャッチアップできる
  • 材料特性予測など、具体的な応用課題を通じて実装力が身につく
  • PyGを用いたハンズオンで、実データを使ったモデル構築手順を習得できる

講師プロフィール

中山 優吾 (ナカヤマ ユウゴ)

日産自動車株式会社

​経歴

  • ​2024年4月 – 現在 日産自動車株式会社 総合研究所 先端材料・プロセス研究所 研究員
  • ​2023年4月 – 2023年3月 日産自動車株式会社 総合研究所 モビリティ&AI研究所 研究員
  • ​2020年4月 – 2023年3月 京都大学 大学院情報学研究科 助教
  • ​2017年4月 – 2020年3月 筑波大学 数理物質科学研究科 数学専攻 博士後期課程
  • ​2015年4月 – 2017年3月 筑波大学 数理物質科学研究科 数学専攻 博士前期課程
  • ​2011年4月 – 2015年3月 筑波大学 理工学群数学類

講師HP：https://yugo-nakayama.net/

サンプル動画

講座の冒頭映像です

お申し込み

注意事項
  • セミナーの内容に関するご質問への対応は行なっておりません
  • ご購入後の返金は致しかねますので、ご了承ください
免責事項
  • 本ページの内容は予告なく変更する場合がございます
  • 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
お問い合わせ
  • ご質問やご不明点などがある方は、フッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。

こちらもおすすめ

モデル構造の理解を深めたい方、ベイズ的思考や実装力を高めたい方へ

NumPyroによる大規模データに対する 階層ベイズモデリング

本講義では階層ベイズモデルの構築と高速な数値計算の両方に焦点を当て、モデリングに必要な様々なコンポネントの紹介と確率的プログラミング言語NumPyroによる実装方法について解説を行い、大規模データに対しても階層モデルに基づいたベイズ分析を効果的に行えるようになることを目指します。

株式会社Nospare

株式会社Nospare

¥22,000

MCMCを自力で実装するトレーニング方法

好評を博した弊社Qiita記事「MCMCをフルスクラッチで実装するトレーニング方」に関連して、マルコフ連鎖モンテカルロ法（MCMC）をゼロから自力で実装するために必要な事項を取り上げ講義およびRによる演習を行います。

菅澤翔之助

菅澤翔之助

¥11,000