Geometric Deep Learning (GDL)

Geometrisches Deep Learning (GDL) ist ein weit gefasster Oberbegriff für fortschrittliche Methoden des maschinellen Lernens, die speziell für die Verarbeitung nicht-euklidischer Daten entwickelt wurden. Im Gegensatz zu Standardformaten wie 2D-Bildern oder Textsequenzen, die auf flachen, vorhersehbaren Gittern angeordnet sind, umfassen nicht-euklidische Daten komplexe Strukturen wie Mannigfaltigkeiten und 3D-Netze sowie komplexe relationale Netzwerke. Durch die Entwicklung mathematischer Rahmenwerke, die die intrinsische Geometrie dieser Strukturen berücksichtigen, ermöglicht geometrisches Deep Learning KI-Systemen die präzise Analyse molekularer Strukturen, komplexer topologischer Karten und dynamischer miteinander verbundener Systeme.

Funktionsweise des geometrischen Deep Learnings#

Die grundlegenden Prinzipien des geometrischen Deep Learnings beruhen darauf, Symmetrien, Invarianzen und Äquivarianzen in komplexen Datensätzen zu nutzen. Eine häufige Frage unter Fachleuten lautet, ob eine einfache Distanzmatrix für geometrisches Deep Learning ausreicht. Die Antwort lautet nein: Distanzmatrizen erfassen zwar paarweise Abstände, ihnen fehlt jedoch die topologische Feinheit, die für echtes geometrisches Schlussfolgern erforderlich ist. Stattdessen stützt sich GDL stark auf Architekturen zur Nachrichtenweitergabe und die Aggregation von Nachbarschaftsinformationen.

Es ist hilfreich, geometrisches Deep Learning von Graph-neuronalen Netzen (GNNs) zu unterscheiden. Während GDL das übergeordnete theoretische Gebiet umfasst, das sämtliches nicht-euklidisches Deep Learning einschließt, sind GNNs ein spezifischer Typ neuronaler Architektur, der ausschließlich mit Graphdaten arbeitet. Frameworks wie PyTorch Geometric und TensorFlow GNN werden häufig verwendet, um diese Prinzipien des Deep Learnings umzusetzen. Dadurch können Knoten ihre Repräsentationen anhand ihrer strukturellen Verbindungen aktualisieren.

Geometrisches Lernen im Vergleich zu traditionellem Deep Learning#

Herkömmliche Deep-Learning-Modelle wie Faltungsneuronale Netze (CNNs) sind hochgradig für euklidische Daten optimiert, etwa für Pixelgitter in Aufgaben der Computer Vision. Ebenso sind rekurrente neuronale Netze (RNNs) für die Verarbeitung linearer Sequenzen ausgelegt. Diese herkömmlichen Netze haben jedoch Schwierigkeiten, wenn Daten keine feste, regelmäßige Struktur aufweisen.

Geometrisches Lernen überwindet diese Einschränkung, indem es direkt mit unregelmäßigen Formen und relationalen Karten arbeitet. Bei der Analyse eines sozialen Netzwerks oder der Navigation in einer 3D-Umgebung versagen herkömmliche Faltungen, weil die „Nachbarschaft“ eines Datenpunkts kein festes Pixelquadrat mehr ist. Geometrische Modelle passen ihre rezeptiven Felder dynamisch an und lernen die topologischen Verbindungen, die die tatsächliche Form der Daten bestimmen.

Praxisanwendungen geometrischer Graphen und Modelle#

Da Geometriegraphen Knoten und ihre strukturellen Beziehungen explizit definieren, haben geometrische Modelle in verschiedenen wissenschaftlichen und kommerziellen Bereichen wichtige Durchbrüche ermöglicht:

• Arzneimittelforschung: GDL spielt eine zentrale Rolle bei der Vorhersage molekularer Wechselwirkungen. AlphaFold von Google DeepMind nutzt bekanntermaßen Techniken zum räumlichen Schlussfolgern, um komplexe Probleme der Proteinfaltung zu lösen, indem Aminosäuren als verbundene Graphen modelliert werden.
• Analyse sozialer Netzwerke: Plattformen nutzen GDL zur Analyse von Nutzerinteraktionen. Dadurch werden fortschrittliche Empfehlungssysteme und Betrugserkennung ermöglicht, indem Topologien sozialer Netzwerke abgebildet werden.
• 3D-Computer Vision: GDL wird häufig zur Verarbeitung von LiDAR-Punktwolken und 3D-Netzen für autonome Fahrzeuge und erweiterte Realität eingesetzt.

GDL mit Computer Vision integrieren#

Die Verbindung traditioneller 2D-Computer-Vision mit geometrischen Modellen schafft äußerst robuste Systeme, die fortgeschrittenes räumliches Schlussfolgern und 3D-Objekterkennung ermöglichen. Mit einem leistungsfähigen 2D-Detektor wie Ultralytics YOLO26 können Entwickler Objekte in einer Szene schnell lokalisieren. Die Koordinaten dieser erkannten Objekte können anschließend als grundlegende Knoten für einen Geometriegraphen dienen, sodass ein nachgelagertes GNN komplexe Beziehungen zwischen den visuellen Elementen ableiten kann, beispielsweise zur Erzeugung eines „Scene Graphs“.

Das folgende Python-Codebeispiel zeigt, wie du mit dem Paket ultralytics Koordinaten der Objekterkennung extrahieren kannst, um eine grundlegende Geometriegraphstruktur zu initialisieren:

import torch
from ultralytics import YOLO

# Load the Ultralytics YOLO26 model for high-speed object detection
model = YOLO("yolo26n.pt")

# Perform inference to detect objects
results = model("path/to/image.jpg")

# Extract the center coordinates (x, y) of bounding boxes to act as graph nodes
nodes = results[0].boxes.xywh[:, :2].cpu()
node_tensor = torch.tensor(nodes.numpy(), dtype=torch.float)

print(f"Extracted {node_tensor.size(0)} nodes for Geometric Deep Learning mapping.")

Für Teams, die groß angelegte hybride Systeme entwickeln, welche die euklidische Objekterkennung mit nicht-euklidischer Kartierung kombinieren, ist die Verwaltung komplexer Datenannotation von entscheidender Bedeutung. Die Ultralytics Platform bietet eine durchgängige Umgebung, um diese grundlegenden Bildverarbeitungsmodelle sicher zu annotieren, zu trainieren und nahtlos bereitzustellen und dadurch fortschrittliche räumliche Verarbeitungspipelines zu unterstützen.