分子图表示：原子、键与图神经网络的连接方式

除了字符串，分子还能天然地表示为图（graph）：原子是节点（node），化学键是边（edge）。这正是图神经网络（GNN）能直接在分子上学习的基础。

分子图里有什么

• 节点特征：元素类型、形式电荷、杂化方式、芳香性、是否在环中等。
• 边特征：键级（单/双/三/芳香）、是否共轭、是否在环中。
• 整体：一个分子 = 一组带特征的节点 + 边的连接关系。

为什么这种表示重要

• 无需手工指纹：GNN 通过「消息传递」让原子沿键交换信息，自动学到表征。
• 保留拓扑：相比固定长度指纹，图保留了完整连接结构。
• 可扩展到 3D：加入坐标即成 3D 图，配合等变网络处理空间任务。

延伸资源

• 配套阅读：001 模块的 006《CS224W 图神经网络》、「AI 模型」模块《图神经网络 GNN》《Chemprop》。
• 实操：RDKit 可导出原子/键特征，喂给 PyTorch Geometric / DGL。