Geometric Deep Learning (GDL)

Geometric Deep Learning (GDL) is a broad umbrella term for advanced machine learning techniques specifically designed to process non-Euclidean data. Unlike standard formats such as 2D images or text sequences, which sit on flat, predictable grids, non-Euclidean data includes complex structures like manifolds and 3D meshes as well as intricate relational networks. By establishing mathematical frameworks that respect the intrinsic geometry of these structures, Geometric Deep Learning enables AI systems to accurately analyze molecular formations, complex topological maps, and dynamic interconnected systems.

Link to this sectionGeometric Deep Learningの仕組み#

Geometric Deep Learningの根底にある原則は、複雑なデータセットに存在する対称性、不変性、等変性を活用することに基づいています。実務者の間でよくある疑問として、単純な距離行列がGeometric Deep Learningにとって十分かという点がありますが、答えはノーです。距離行列は対の距離を捉えることはできますが、真の幾何学的推論に必要なトポロジー的なニュアンスが欠けています。その代わり、GDLはメッセージパッシングアーキテクチャと近傍集約に大きく依存しています。

Geometric Deep Learningとグラフニューラルネットワーク (GNNs)を区別することは有益です。GDLはすべての非ユークリッド深層学習を包含する包括的な理論分野であるのに対し、GNNはグラフデータのみで動作する特定のニューラルアーキテクチャの種類です。PyTorch GeometricやTensorFlow GNNのようなフレームワークは、これらの深層学習原則を実装するために広く使用されており、ノードが構造的な接続に基づいて自身の表現を更新できるようになります。

Link to this section幾何学的学習と従来の深層学習の比較#

畳み込みニューラルネットワーク (CNNs)などの従来の深層学習モデルは、コンピュータビジョンタスクにおけるピクセルグリッドのようなユークリッドデータに対して高度に最適化されています。同様に、リカレントニューラルネットワーク (RNNs)は線形シーケンスを処理するように構築されています。しかし、これらの従来のネットワークは、データが固定された規則的な構造を欠いている場合には苦戦します。

幾何学的学習は、不規則な形状や関係マップに対して直接動作することで、この制限を克服します。ソーシャルネットワークを分析したり、3D環境をナビゲートしたりする際、データポイントの「近傍」はもはや固定された正方形のピクセルではないため、標準的な畳み込みは機能しません。幾何学的モデルは自身の受容野を動的に適応させ、データの真の形状を定義するトポロジー的な接続を学習します。

Link to this section幾何学グラフとモデルの現実世界での応用#

幾何学グラフはノードとその構造的関係を明示的に定義するため、幾何学的モデルはさまざまな科学的および商業的領域において画期的な成果をもたらしてきました。

• 創薬: GDLは分子相互作用の予測において極めて重要です。Google DeepMindによるAlphaFoldは、アミノ酸を接続されたグラフとしてモデル化することにより、複雑なタンパク質折り畳み問題を解決するために空間推論技術を利用していることで有名です。
• ソーシャルネットワーク分析: 各プラットフォームはGDLを使用してユーザーインタラクションを分析し、ソーシャルネットワーク分析のトポロジーをマッピングすることで、高度な推奨システムや不正検出を実現しています。
• 3Dコンピュータビジョン: GDLは、自動運転車や拡張現実（AR）のためにLiDAR点群や3Dメッシュを処理する際によく適用されます。

Link to this sectionGDLとコンピュータビジョンの統合#

従来の2Dコンピュータビジョンと幾何学的モデルを橋渡しすることで、高度な空間推論や3D物体検出が可能な非常に堅牢なシステムが生まれます。Ultralytics YOLO26のような強力な2D検出器を使用することで、開発者はシーン内の物体を素早く特定できます。これらの検出された物体の座標は、幾何学グラフの基礎ノードとして機能し、後続のGNNが視覚要素間の複雑な関係（例：「シーングラフ」の生成）を推論することを可能にします。

次のPythonスニペットは、ultralyticsパッケージを使用して物体検出座標を抽出し、基礎となる幾何学グラフ構造を開始する方法を示しています。

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.")

ユークリッド物体検出と非ユークリッドマッピングを組み合わせた大規模なハイブリッドシステムを構築するチームにとって、複雑なデータアノテーションを管理することは不可欠です。Ultralytics Platformは、高度な空間パイプラインをサポートするために、これらの基礎となるビジョンモデルを安全にアノテーション、トレーニング、およびシームレスにデプロイするためのエンドツーエンドの環境を提供します。