গ্রাফ নিউরাল নেটওয়ার্ক

মূল ধারণা — Message Passing

প্রতি node তার প্রতিবেশীদের থেকে "message" সংগ্রহ করে, aggregate করে, এবং নিজের embedding update করে। K layer পর K-hop information ধারণ করে।

h_v^(k+1) = UPDATE( h_v^(k), AGG({ h_u^(k) : u ∈ N(v) }) )

প্রধান architecture

• GCN: normalized neighbor average।
• GraphSAGE: sampling-based, scalable।
• GAT: attention দিয়ে weighted aggregation।
• GIN: WL-test power, graph classification-এ শক্তিশালী।

PyTorch Geometric

import torch
from torch_geometric.nn import GCNConv
from torch_geometric.datasets import Planetoid

data = Planetoid(root='/tmp/Cora', name='Cora')[0]

class GCN(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.c1 = GCNConv(data.num_features, 16)
        self.c2 = GCNConv(16, data.y.max().item()+1)
    def forward(self, x, edge_index):
        x = self.c1(x, edge_index).relu()
        return self.c2(x, edge_index)

model = GCN()
out = model(data.x, data.edge_index)

Task Types

• Node classification: paper topic, fraud detection।
• Link prediction: friend suggestion, drug-target।
• Graph classification: molecule property।

প্রয়োগ

• Drug discovery, protein folding (AlphaFold-এ GNN component)।
• Recommendation (PinSage @ Pinterest)।
• Traffic forecasting (Google Maps ETA)।
• Fraud detection in transactions।

সারসংক্ষেপ