由于圖結構的普適性，諸如生物醫學(xué)、分子制藥、天體物理等越來(lái)越多的高精尖領(lǐng)域已經(jīng)將圖學(xué)習視為智能化、規?；?、高效率、低成本創(chuàng )新的關(guān)鍵技術(shù)。尤其在生物醫藥領(lǐng)域，圖學(xué)習已在分子性質(zhì)預測、蛋白質(zhì)結構預測、藥物靶點(diǎn)親和力預測等方面發(fā)揮了巨大價(jià)值，受到了學(xué)術(shù)界及工業(yè)界的廣泛關(guān)注。

近日，國際頂級圖學(xué)習標準OGB（Open Graph Benchmark）挑戰賽公布了最新排名。在與微軟亞研、Twitter、騰訊、百度、字節跳動(dòng)、帝國理工、北京大學(xué)、上海交大等眾多科技巨頭及頂尖高校的競技中，第四范式、清華大學(xué)電子系機器學(xué)習課題組聯(lián)合團隊使用基于AutoML打造的AutoGraph（自動(dòng)化圖神經(jīng)網(wǎng)絡(luò )）算法在3項任務(wù)中斬獲2項第一、1項第三，繼去年摘得OGB雙料第一后再創(chuàng )佳績(jì)。

OGB是目前公認的圖學(xué)習基準數據集“標桿”，由圖學(xué)習領(lǐng)域的國際頂級學(xué)者斯坦福大學(xué)Jure Leskovec教授團隊建立，于2019年國際頂級學(xué)術(shù)會(huì )議NeurIPS上正式開(kāi)源。該數據集囊括了節點(diǎn)性質(zhì)預測、邊性質(zhì)鏈接預測、圖性質(zhì)預測等多項賽題，以質(zhì)量高、規模大、場(chǎng)景復雜、難度高著(zhù)稱(chēng)，素有圖學(xué)習領(lǐng)域“ImageNet”之稱(chēng)，成為眾多科技巨頭、科研院所和高校團隊試驗技術(shù)成色的試金石。

繼去年摘得2項知識圖譜鏈接預測冠軍后，第四范式今年參與了ogbg-molhiv、ogbg-molpcba、ogbg-ppa等3項數據量龐大且極具挑戰的圖分類(lèi)任務(wù)。其中，ogbg-molhiv、ogbg-molpcba是用于測試分子特性的知名機器學(xué)習數據庫MoleculeNet中最大的數據集之一，對多種疾病的有效藥物篩選和開(kāi)發(fā)具有重要意義和參考價(jià)值。

本次大賽中，聯(lián)合團隊使用了基于第四范式AutoML打造的PAS（面向圖分類(lèi)任務(wù)的自動(dòng)池化圖神經(jīng)網(wǎng)絡(luò )搜索算法）參賽。由于圖數據和任務(wù)的復雜性，不同任務(wù)需要使用最為合適的圖神經(jīng)網(wǎng)絡(luò )模型才能達到最佳效果。PAS算法的優(yōu)勢是可在任意圖分類(lèi)任務(wù)上自動(dòng)搜索效果最優(yōu)的圖神經(jīng)網(wǎng)絡(luò )，最終在比賽中超過(guò)了業(yè)界一系列基于圖神經(jīng)網(wǎng)絡(luò )的圖分類(lèi)模型，進(jìn)一步印證了該技術(shù)的領(lǐng)先性及有效性。