Large language models (LLMs) can be effectively used to guide the generation of more realistic and interpretable counterfactual explanations for graph neural networks (GNNs) in molecular property prediction, improving the transparency and trustworthiness of GNNs in this domain.
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.