Geometric Deep Learning (GDL)

El aprendizaje profundo geométrico (GDL, por sus siglas en inglés) es un término general amplio para técnicas avanzadas de machine learning diseñadas específicamente para procesar datos no euclidianos. A diferencia de los formatos estándar como las imágenes 2D o las secuencias de texto, que se sitúan sobre rejillas planas y predecibles, los datos no euclidianos incluyen estructuras complejas como variedades y mallas 3D, así como intrincadas redes relacionales. Al establecer marcos matemáticos que respetan la geometría intrínseca de estas estructuras, el aprendizaje profundo geométrico permite que los sistemas de IA analicen con precisión formaciones moleculares, mapas topológicos complejos y sistemas dinámicos interconectados.

Link to this sectionCómo funciona el aprendizaje profundo geométrico#

Los principios subyacentes del aprendizaje profundo geométrico se basan en la explotación de la simetría, la invariancia y la equivariancia presentes en conjuntos de datos complejos. Una pregunta común entre los profesionales es si una simple matriz de distancias es suficiente para el aprendizaje profundo geométrico. La respuesta es no; aunque las matrices de distancias capturan las distancias por pares, carecen de los matices topológicos necesarios para un verdadero razonamiento geométrico. En su lugar, el GDL depende en gran medida de arquitecturas de paso de mensajes y de la agregación de vecindarios.

Es útil diferenciar el aprendizaje profundo geométrico de las Redes Neuronales de Grafos (GNN). Mientras que el GDL es el campo teórico global que abarca todo el aprendizaje profundo no euclidiano, las GNN son un tipo específico de arquitectura neuronal que opera exclusivamente con datos de grafos. Marcos de trabajo como PyTorch Geometric y TensorFlow GNN se utilizan ampliamente para implementar estos principios de deep learning, permitiendo que los nodos actualicen sus representaciones en función de sus conexiones estructurales.

Link to this sectionAprendizaje geométrico frente al aprendizaje profundo tradicional#

Los modelos de aprendizaje profundo tradicionales, como las Redes Neuronales Convolucionales (CNN), están altamente optimizados para datos euclidianos como las rejillas de píxeles en tareas de computer vision. Del mismo modo, las Redes Neuronales Recurrentes (RNN) están diseñadas para procesar secuencias lineales. Sin embargo, estas redes tradicionales tienen dificultades cuando los datos carecen de una estructura fija y regular.

El aprendizaje geométrico supera esta limitación operando directamente sobre formas irregulares y mapas relacionales. Al analizar una red social o navegar por un entorno 3D, las convoluciones estándar fallan porque el "vecindario" de un punto de datos ya no es un cuadrado fijo de píxeles. Los modelos geométricos adaptan sus campos receptivos dinámicamente, aprendiendo las conexiones topológicas que definen la verdadera forma de los datos.

Link to this sectionAplicaciones en el mundo real de los grafos y modelos geométricos#

Debido a que los grafos geométricos definen explícitamente los nodos y sus relaciones estructurales, los modelos geométricos han desbloqueado avances en diversos dominios científicos y comerciales:

• Descubrimiento de fármacos: El GDL es fundamental para predecir interacciones moleculares. AlphaFold de Google DeepMind utiliza de forma famosa técnicas de razonamiento espacial para resolver problemas complejos de plegamiento de proteínas modelando los aminoácidos como grafos conectados.
• Análisis de redes sociales: Las plataformas utilizan el GDL para analizar las interacciones de los usuarios, permitiendo sistemas de recomendación avanzados y la detección de fraudes mediante el mapeo de topologías de análisis de redes sociales.
• Computer vision en 3D: El GDL se aplica frecuentemente para procesar nubes de puntos LiDAR y mallas 3D para vehículos autónomos y realidad aumentada.

Link to this sectionIntegración del GDL con computer vision#

Combinar la computer vision 2D tradicional con modelos geométricos crea sistemas altamente robustos capaces de un razonamiento espacial avanzado y detección de objetos en 3D. Utilizando un potente detector 2D como Ultralytics YOLO26, puedes localizar rápidamente objetos en una escena. Las coordenadas de estos objetos detectados pueden servir entonces como nodos fundamentales para un grafo geométrico, permitiendo que una GNN posterior infiera relaciones complejas entre los elementos visuales (por ejemplo, generando un "Grafo de escena").

El siguiente fragmento de Python demuestra cómo puedes extraer las coordenadas de detección de objetos utilizando el paquete ultralytics para iniciar una estructura de grafo geométrico fundamental:

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.")

Para los equipos que construyen sistemas híbridos a gran escala que combinan la detección de objetos euclidiana con el mapeo no euclidiano, la gestión de la anotación de datos compleja es fundamental. La Ultralytics Platform proporciona un entorno integral para anotar, entrenar y desplegar sin problemas estos modelos de visión fundamentales para dar soporte a tuberías espaciales avanzadas.