
بنية شبكة عصبية تعمل على البيانات المنظمة على شكل رسوم بيانية، حيث تُعامل الذرات كعقد والروابط كحواف.الشبكة العصبية الرسومية (GNN) هي بنية تعلم عميق مصممة لمعالجة البيانات المنظمة على شكل رسوم بيانية — مجموعات من العقد المتصلة بحواف. في علم المواد، تُعرض الذرات كعقد والروابط الكيميائية كحواف، مما يسمح للشبكة بتعلم الأنماط مباشرة من ترابط النظام. وهذا يجعل الشبكات العصبية الرسومية قوية بشكل خاص في التنبؤ بخصائص مثل طاقة التكوين، أو فجوة النطاق، أو القوة الميكانيكية من الترتيب الذري وحده.
نشأت الأفكار الأساسية في أوائل العقد الأول من القرن الحادي والعشرين مع أعمال غوري وآخرين (2005) وسكارسيلي وآخرين (2009)، لكن الطفرة الحديثة في استخدام الشبكات العصبية الرسومية للمواد بدأت حوالي عام 2017 مع إدخال الشبكات العصبية لتمرير الرسائل وتطبيقها على التنبؤ بخصائص الجزيئات.
تعمل الشبكات العصبية الرسومية من خلال آلية تمرير الرسائل: كل عقدة تجمع المعلومات من جيرانها، وتحدّث متجه ميزاتها الخاص، وتكرر هذه العملية عبر عدة طبقات. بعد عدة جولات، يصبح تمثيل كل عقدة مشفرًا لمعلومات عن بيئتها المحلية ثم العالمية في النهاية. بعد ذلك، تقوم دالة قراءة بتجميع تمثيلات العقد في تنبؤ واحد على مستوى الرسم البياني. الميزة الرئيسية هي أن الشبكة غير حساسة لطريقة تسمية الرسم البياني أو ترتيبه، مما يجعلها مناسبة بطبيعتها لتماثلات الأنظمة الفيزيائية.
تُستخدم الشبكات العصبية الرسومية لفحص ملايين المواد المرشحة للبطاريات والمحفزات والموصلات الفائقة، مما يقلل بشكل كبير من الحاجة إلى الحسابات الميكانيكية الكمومية المكلفة.
استُخدمت الشبكات العصبية الرسومية لاكتشاف مواد كهروحرارية جديدة تحول الحرارة المهدرة إلى كهرباء، وقد تأكدت الكفاءات المتوقعة لاحقًا تجريبيًا.


























