Conceitos essenciais
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 분자 특성 예측을 위한 그래프 신경망(GNN)의 설명력과 해석 가능성을 향상시키는 새로운 그래프 반사실적 설명(GCE) 방법론인 LLM-GCE를 제안합니다.
Resumo
대규모 언어 모델을 사용한 그래프 신경망 설명: 분자 특성 예측을 위한 반사실적 관점
논문 제목: Explaining Graph Neural Networks with Large Language Models: A Counterfactual Perspective for Molecular Property Prediction
저자: Yinhan He, Zaiyi Zheng, Patrick Soga, Yaochen Zhu, Yushun Dong, Jundong Li
게재: arXiv:2410.15165v1 [cs.LG] 19 Oct 2024
본 연구는 분자 특성 예측 작업에서 그래프 신경망(GNN)의 예측 결과를 설명하기 위해 대규모 언어 모델(LLM)을 활용하는 새로운 방법론인 LLM-GCE를 제안합니다. GNN은 높은 예측 성능에도 불구하고 블랙박스 모델로 여겨져 해석이 어렵다는 한계점을 가지고 있습니다. 본 연구는 LLM의 강력한 추론 능력을 활용하여 GNN의 예측 결과에 대한 반사실적 설명을 생성하고, 이를 통해 GNN의 투명성을 향상시키는 것을 목표로 합니다.