# Graph, GNN

# Plan
* Graph, GNN
* GCN
* Sample Training
* AlphaFold

# Graph Examples
SNSや、路線図、決定木、分子構造など様々

# How to define the Graph
グラフをどう数式として定義できるか。計算は置いておいて、次のような要素と行列でまず定義する。

## Component

## Adjacency Matrix

# Graph Task

## Types of task
Graph で解きたいTaskの種類


より具体的なタスクはここ参照
http://web.stanford.edu/class/cs224w/slides/01-intro.pdf

## How to solve graph's task
例えば、画像や自然言語でも同様にまずはtaskを解きやすくできる形にEncodeする必要がある

なので、Graphも同様にEncodeできれば良い。そして、**NodeをEncode**できれば様々なlevelのtask に適用が容易。

$\boldsymbol{z}_n$はEncodeして獲得したNodeの特徴ベクトル。NodeをEncodeした特徴量で色々と代用可能。

# How to encode a node

基本的なアイデアは、**Target となる Node は近傍の Node（neighborhoods）から情報（Message）を受け取って表現される**、というものである。



式で書くとこんな感じ


Target Node の２個隣のノードまでとして具体的に計算すると


Taargetの２個隣のNode Encode


Taargetの１個隣のNode Encode


赤のパラメータを学習する。**N個隣の中では重みを共有している**