조각 기반 자기지도 임베딩 예측을 통한 계층적 분자 표현 학습

본 논문은 분자 그래프의 화학적 의미를 보다 풍부하게 표현하기 위해, 원자‑레벨과 조각‑레벨을 동시에 학습하는 계층적 자기지도 사전학습 모델 GraSPNet을 제안한다. 서론에서는 기존 GSSL 방법들이 주로 노드·엣지 수준의 로컬 정보를 재구성하거나 대조 학습을 수행하지만, 기능‑그룹과 같은 고차 구조적 서브그래프를 무시한다는 문제점을 지적한다. 이러한 한계를 극복하기 위해, 화학적으로 의미 있는 조각을 자동으로 추출하고, 이를 그래프 수준에서 새로운 ‘조각 그래프’로 재구성한다는 아이디어를 도입한다. 관련 연구에서는 GNN 기반 사전학습(대조 학습, 마스크드 오토인코더)과 기존 조각 기반 분자 표현(BRICS, RECAP, METIS) 등을 리뷰하고, 각각의 장단점을 분석한다. 특히, 기존 조각 방법이 사전 정의된 어휘에 의존하거나 계산 비용이 높다는 점을 강조한다. 본론에서는 먼저 그래프와 조각의 수학적 정의를 제시한다. 원자 집합 V와 인접 행렬 A, 특성 행렬 X를 갖는 그래프 G에 대해, 최소 링 검출 → 경로 추출 → 접합점 추출 순으로 V를 V₁…V_m 로 분할한다. 이때 각 조각은 겹치는 노드를 최소화하고, 조각 간 연결은 A_f, 원자‑조각 매핑은 A_nf 로 표현한다. 이 과정은 WL‑테스트가 원자 레벨에서 구분하지 못하는 구조적 차이를 조각 레벨에서 드러내어, 2‑WL 이상의 구분력을 제공한다. 다음으로 모델 아키텍처를 설명한다. 입력 임베딩 단계에서 원자 특성은 선형 변환으로 d 차원 임베딩 h_n을, 조각은 원-핫 타입 벡터와 크기 스케일링을 결합한 h_f = W₁·X(f) ∥ α·(W₂·X(f)) 로 초기화한다. 컨텍스트 인코더는 마스크된 원자와 조각을 입력받아 L개의 메시지 패싱 레이어를 통과한다. 각 레이어는 네 가지 메시지 흐름(N→N, N→F, F→F, F→N)을 수행해 양쪽 표현을 교차 업데이트한다. 마스크는 베르누이(p) 로 독립적으로 적용되며, 원자와 조각을 각각 별도로 마스크한다. 목표 인코더는 마스크가 없는 원본 그래프를 동일한 구조의 GNN으로 인코딩해 ‘정답’ 임베딩을 생성한다. 예측기(Predictor)는 컨텍스트 인코더의 최종 노드·조각 표현을 받아 목표 인코더의 임베딩과의 거리 손실 L = ‖Z_n^pred – Z_n^target‖² + ‖Z_f^pred – Z_f^target‖² 를 최소화한다. 여기서 Z_n, Z_f는 각각 노드와 조각의 최종 임베딩이다. 이중 손실 구조는 다중 해상도 정보를 동시에 학습하도록 강제한다. 실험 섹션에서는 대규모 무표시 분자 데이터셋(예: ZINC)에서 사전학습을 수행하고, QM9, ESOL, Lipophilicity, PCBA, MUV 등 다양한 다운스트림 베치마크에 전이 학습한다. GraSPNet은 기존 GraphMAE, MaskGAE, GraphCL 등과 비교해 평균 3~7%의 성능 향상을 보였으며, 특히 소규모 데이터셋에서 과적합을 방지하고 일반화 능력이 크게 개선되었다. Ablation 연구에서는 (1) 조각 마스크만 사용, (2) 노드 마스크만 사용, (3) 조각‑노드 상호 메시지 제거 등 각 구성 요소를 제거한 경우 성능이 현저히 떨어짐을 확인했다. 또한, 조각 그래프의 WL‑테스트 구분력을 시각화해, 원자 레벨에서는 구분되지 않던 두 분자 G₁, G₂가 조각 레벨에서는 서로 다른 연결 구조를 가지는 것을 보여준다. 논의에서는 조각 추출의 계산 복잡도와 메모리 사용량, 그리고 현재 조각 초기화가 단순 원-핫·크기 스케일링에 머무르는 점을 한계로 제시한다. 향후 연구 방향으로는 전하, 입체화학 등 더 풍부한 화학적 특성을 포함한 조각 초기화, 대규모 단백질‑리간드 복합체에 대한 확장, 그리고 조각‑레벨 대조 학습을 결합한 혼합형 자기지도 방법을 제안한다. 결론적으로, GraSPNet은 화학적 의미를 보존하는 조각 기반 그래프 분해와 다중 레벨 마스크드 예측을 통해, 기존 GSSL보다 더 풍부하고 전이 가능한 분자 표현을 학습한다는 점에서 분자 설계와 약물 발견 분야에 중요한 기여를 한다.