分布偏移下用于药物发现的可靠图神经网络
机器学习
2021-11-29 v1 人工智能
摘要
分布偏移下过度自信的错误预测问题，要求对用于药物发现关键任务的图神经网络进行广泛的可靠性研究。在此，我们首先引入CardioTox，一个关于药物心脏毒性的真实世界基准，以促进此类工作。我们的探索性研究表明，过度自信的错误预测通常远离训练数据。这促使我们开发了距离感知GNN：GNN-SNGP。通过在CardioTox和三个已建立的基准上的评估，我们证明了GNN-SNGP在增加距离感知、减少过度自信的错误预测以及进行更校准的预测方面的有效性，同时不牺牲准确率性能。我们的消融研究进一步揭示，GNN-SNGP学习的表示改进了其基础架构的距离保持能力，并且是改进的一个主要因素。
引用
@article{arxiv.2111.12951,
title = {Reliable Graph Neural Networks for Drug Discovery Under Distributional Shift},
author = {Kehang Han and Balaji Lakshminarayanan and Jeremiah Liu},
journal= {arXiv preprint arXiv:2111.12951},
year = {2021}
}
备注
5 page main body, 5 page appendix. Accepted by NeurIPS DistShift Workshop 2021