분자 궤적 예측은 동역학, 반응 경로 및 구조 안정성에 대한 통찰을 가능하게 하는 계산 화학, 약물 발견 및 물질 시뮬레이션에 기본적입니다. 그래프 구조의 시공간 데이터와 자연스럽게 정렬되어 있어 GNN 연구의 주요한 최전선이 되었습니다. 그러나 현재 주류 시공간 GNN은 E(3)-동등성을 강제하면서도 원자를 제약 조건 없는 점질량으로 다루고 있으며 명시적인 고정 기하학적 제약이 결여되어 있어 종종 예측 해석 가능성을 손상시키는 비물리적인 변형을 초래합니다. 이러한 문제를 해결하기 위해 우리는 고정 제약을 명시적으로 인코딩하는 분자 궤적 예측을 위한 최초의 시공간 그래프 아키텍처인 STEGMN을 제안합니다. 그래프 역학 네트워크에서 영감을 받아, 우리는 E(3)-동등성과 고체 제약을 엄격히 유지하면서 시간적 종속성을 포착하는 제약 보존 동등 시공간 주의 메커니즘을 설계했습니다. 또한 역사적 각속도의 학습 가능한 가중 집계를 수행하여 미래 상태를 생성하는 제약 보존 동등 풀링 모듈을 도입하여 전방 운동학 맵핑을 통해 진행합니다. 이는 모든 출력이 동시에 E(3)-동등성과 엄격한 결합 길이 보존을 만족하도록 보장합니다. 실제 세계의 분자 동역학 데이터 세트에서 평가한 결과, STEGMN은 강력한 기준선 모델보다 일관되게 우수한 성능을 보였습니다. rMD17 벤치마크에서, 분자 시스템 8개를 대상으로 대표적인 시공간 그래프 모델(ST-GNN, ST-GCN 및 ST-EGNN)과 비교하여 예측 MSE가 평균적으로 약 40% 감소하는 성과를 달성하여 물리적으로 안정적인 궤적 예측을 위한 명시적인 제약 모델링의 중요성을 강조했습니다.
Miao et al. (Mon,)은 이 문제를 연구했습니다.