3.4 图卷积的来龙去脉：从谱方法到消息传递

3.4.1 卷积的两条支柱与图上的失配

3.3 节把基线立在了固定指纹上；端到端图学习从这里开始。先把老问题想清楚：图像卷积究竟依赖什么。一幅图像上，3×3 卷积核做的事一句话可以说完——输出像素的值，等于以其为中心的 3×3 窗口内九个输入值的加权和。这件事成立靠两条本质。局部性(locality)：每个输出只看一个固定大小的邻域窗口；权重共享(weight sharing)：同一组九个权重滑过整幅图像，处处复用。两条合起来，参数量与图像大小脱钩，泛化能力也由此而来。

支柱之下还有地基：平移结构。像素排成规则网格，任何位置的 3×3 窗口在拓扑上完全相同——“左上、正上、右上……”这九个相对位置在每个像素处都有定义。卷积因此可以按平移等变性(translation equivariance)刻画：图像平移一格，输出随之平移一格。核的九个权重按相对位置索引，靠的正是这份处处一致的邻域。

分子图上没有这份地基。图 G=(V, E) 的顶点是原子、边是化学键，全部连接信息装在邻接矩阵(adjacency matrix) A 里：A_ij = 1 当且仅当原子 i 与 j 成键（键级通常先二值化，作为边属性另行处理）。失配有两条。第一条，邻域大小不齐：苯环上的碳有两个重原子邻居，支链分支点的碳有三个；计入氢，度数在一到四之间分布。“固定九格的核”没有落脚处。第二条更根本，邻域没有次序：分子的原子编号来自 SMILES 或遍历约定，换个编号，同一个分子的邻接矩阵就换一副模样。按“相对位置”索引权重的卷积核，在图上找不到可索引的对象。对换两个邻居就改变输出的模型，谈不上分子表示。

两条支柱并未失效，它们换了个立足点重生。参数共享的对象从“平移”改为“邻域结构”：同一个函数作用在每个节点上，吃进它自己与邻居的特征；聚合规则必须对邻居的排列次序不敏感，求和、平均、取最大这类对称函数因此成为图上的基本构件。局部性改写成“跳数”（hop）：一次聚合只触及一跳邻域，k 层嵌套触及 k 跳。剩下的问题是数学的——在任意图上，什么算子配得上“卷积”这个名字。答案先从谱里来。

3.4.2 图的谱语言：拉普拉斯、特征分解与图频率

把分子看作带信号的图：|V| = n，每个原子带一个特征向量，拼成 n×d 的矩阵 X；任取一列 x ∈ ℝⁿ，就是一个图信号(graph signal)——把一个数值量挂到每个原子上，例如某维原子特征、局部电荷的近似。原子的键数（度）d_i = Σ_j A_ij 排成对角阵，即度矩阵(degree matrix) D。谱语言的第一块砖是拉普拉斯：

先按差分算子来读。(Lx)_i 度量信号在原子 i 处与其邻域的分歧：分歧越大，值越大。把原子排成一条链，L 在链内点上的作用正是 2x_i − x_i−1 − x_i+1，数值分析里的二阶差分——一维拉普拉斯。图像处理中的锐化核（中心 4、四邻 −1）恰是网格图的 D − A。拉普拉斯清点局部变化量，这层含义在图上原样保留。

再按能量来读。二次型给出：

半正定让特征分解有了干净的结构：

图傅里叶变换(graph Fourier transform)就是投影 x̂ = U^Tx：把信号拆到特征向量这组基上，U 的每一列是一个“纯音”。特征值扮演频率：小特征值方向上信号跨图缓变（低频、全局），大特征值方向上相邻节点剧烈翻转（高频、局部）。路径图的特征向量恰是采样余弦——经典傅里叶基在图上的直系亲属；六元环（苯环重原子图）的特征向量则是采样正弦。频率高低不是比喻，式 (3.4-3) 的注已把账算清：同样一份能量 xᵀLx，摊到小特征值上需要更大的振幅，摊到大特征值上只需小幅振荡。

可视化的直觉值得展开。把特征向量的分量当作节点高度画在图上，低阶特征向量呈现为跨越整图的“驻波”：在苯环上，最低非零模式是半波——环的一半取正、一半取负；更高阶模式沿环出现更多正负交替。这与弦振动、鼓面振动的模式序列同构——拉普拉斯在连续物理里本就支配波动方程，图的拉普拉斯继承了同一套谱结构，只是“振动”发生在离散的原子骨架上。分子的全局缓变性质（整体尺寸、拓扑）倾向由低频承载，局部反应性（断键位点、亲电位置）倾向由高频承载——这一分辨视角在 3.6 节的注意力与读出设计里还会回来。

最后一块砖是归一化。组合拉普拉斯的特征值上限随最大度数增长（可达 2d_max 量级）：富氢分子的谱域宽，贫氢的窄，滤波参数没有共同标尺。归一化拉普拉斯(normalized Laplacian)把谱压进固定区间：

3.4.3 谱卷积：定义与三重痛点

经典信号处理里，卷积定理说：时域卷积等于频域逐点乘。图上没有平移，卷积无从直接定义；但频域已经有了——U 就是图上的傅里叶基。Bruna 等（2014）顺此给出谱图卷积(spectral graph convolution)：把信号变换到谱域，对每个频率分量乘一个可学习的增益，再变换回来：

这一步是开创性的：卷积网络第一次推广到一般图。但三条痛点随即显形，每一条都直指分子建模的日常。

痛点一，基随图变。U 是 A 的函数：换一张图，换一组特征向量。θ 按特征向量的“座次”索引，而座次在图与图之间没有任何对应。分子的世界里每张图都不同——十七个原子的分子学出的 θ 有十七个分量，换一张图既对不上号也无从复用；同一批训练数据里图的大小参差，参数连统一的形状都没有。特征向量本身还不稳定：近简并的特征值附近，图的微小改动（哪怕只动一条边）可能让特征向量大幅旋转。

痛点二，特征分解 O(n³)。对社交网络规模的大图，这是绕不过去的墙；U 还是稠密的 n×n 矩阵，存储同样沉重。分子图只有几十个原子，n³ 单独看不是分子建模的瓶颈，真正卡住的是痛点一。但“图卷积要能扩展到任意大图”的普遍要求，让这条必须一并解决。

痛点三，截断不局部。想在频域省参数，自然的办法是只保留前 k 个低频分量、其余置零。但每个特征向量几乎处处非零：只动几个频率，滤波器的空间支集仍铺满全图。Bruna 等学出的滤波器正是这样弥散在整个图上，CNN“小核、局部模式”的类比落空——Defferrard 等（2016）的批评正落在此处。三条痛点指向同一个方向：把滤波器从“特征向量的函数”改写成“拉普拉斯的多项式”。

3.4.4 局部化两步：切比雪夫截断与一阶近似

多项式滤波器一步兑现三件事。把增益写成 g_θ(Λ) = Σ_kθ_kΛ^k，由谱映射，U g_θ(Λ)U^T = Σ_kθ_kL^k——U 与 U^T在中间相消，滤波成为对矩阵本身取多项式。其一，局部性：L 是一跳算子（只在有边处非零），L^k 的非零元只落在 k 跳之内，K 阶多项式滤波器严格局部于 K 跳邻域，痛点三解除。其二，可迁移：θ_k 不再绑定任何特征向量，它是“L 的第 k 次幂”的系数，任何图上都能求值，痛点一解除。其三，计算无须先分解：Lx、L(Lx)、……逐次稀疏矩阵–向量乘即可，痛点二解除。

剩下数值稳定性。单项式基在 [0, λ_max] 上病态，幂次越高越相关。Defferrard 等（2016）把谱缩放到 [−1, 1]：Λ̃ = 2Λ/λ_max − I，再换成切比雪夫多项式(Chebyshev polynomials)基——在 [−1, 1] 上正交、处处有界 |T_k| ≤ 1，还自带三项递推：

第二步，一阶近似。Kipf 与 Welling（2017）问：K 取最小时剩下什么。取 K = 1，以 λ_max ≈ 2 代入（L_sym 的谱本就压在 [0, 2]），g_θ(Λ) ≈ θ₀ + θ₁Λ̃ = θ₀ + θ₁(Λ − I)。重新参数化，并约束到单参数（θ₀ − θ₁ = θ₁），得 y = θ(I + D^−1/2AD^−1/2)x。最后一步是重归一化(renormalization)：把括号里的恒等项折叠进邻接——给每个节点加一条自环，Ã = A + I，D̃ 取 Ã 的度矩阵——两处归一化合并，得到图卷积网络(graph convolutional network, GCN)的层间传播式：

翻译成空间语言，逐原子写出：

这笔交易的账要算清。所得：参数完全脱离谱基，跨图跨分子共享；每层只剩稀疏矩阵乘法，批量训练不同大小的分子毫无障碍。所失：K = 1 把每层感受野钉死在一跳，远处信息只能靠层数累积——这句话的伏笔在 3.4.6。三代滤波器并排看，脉络更清楚：

3.4.5 空间视角：归一化邻域平均的逐元素读法

现在完全离开谱域，直接读矩阵 S = D̃^−1/2ÃD̃^−1/2。其元素 S_ij = Ã_ij/√(d̃_id̃_j)，给“原子 i 聚合原子 j”定了一个明码权重：正比于 1/√(d̃_id̃_j)。两个因子各管一半。1/√d̃_i 说：自己的邻居越多，每个邻居分到的权重越薄——聚合是加权平均而非加权求和，行内权重总量有界。1/√d̃_j 说：对方的邻居越多，它的话被摊得越薄——枢纽原子向许多邻居广播同一份特征，每份的分量相应缩水。高度数节点由此被削弱，度数悬殊不再直接放大激活幅度。谱视角补一句注脚：S 的谱落于 (−1, 1]，作为算子反复作用也不放大信号的二范数。

平均意义上的精确性分两档。图正则时（所有 d̃ 相同，如苯环重原子图加自环后 d̃ = 3），S = Ã/d̃，每列之和恰为 1——聚合是不折不扣的平均。图不正则时，列和围绕 1 摆动，摆动量正是度数不齐的度量（习题 3.4-2 在三节点路径上算出 0.91 与 1.15）。对照的随机游走形式 D̃⁻¹Ã 每行严格和 1，但矩阵不对称；对称形式保住对称性，换来正交特征向量与 [−1, 1] 的谱界，作为算子性质更稳。两版的取舍在此，分子建模里对称形式是主流。

与消息传递的接口也在这里。式 (3.4-8) 已是消息传递(message passing)的特例：消息函数取恒等映射——消息就是邻居特征本身；聚合函数取归一化平均；更新即“平均后过 W 与 σ”。3.5 节把三件各自松绑：消息函数换成神经网络，聚合从平均扩展到求和、最大、门控；分子性质预测还要补上读出函数(readout function)，把逐原子表示汇成图级向量——本式只走到节点层。另外，此处的权重 1/√(d̃_id̃_j) 由度数唯一决定；3.6 节的 AttentiveFP 把定价权交给注意力。

3.4.6 过平滑与层数的选择

每一层都在平均，而平均是平滑。把 σ 与 W 暂时拿掉，只看传播算子 S 反复作用。S 与随机游走矩阵 D̃⁻¹Ã 相似（D̃^1/2·S·D̃^−1/2 = D̃⁻¹Ã），后者的幂收敛到秩一矩阵：

这就是过平滑(over-smoothing)的算子根源。节点间携带判别信息的差异，是信号的高频成分；每次邻域平均都压低高频，沿第 k 个特征方向的分量按 λ_k(S)^k 衰减（|λ_k| < 1）。层数一深，全体原子的表示向主导特征向量方向塌缩，彼此无从区分。Li 等（2018）把 GCN 的传播明确论证为拉普拉斯平滑，并以此解释深 GCN 的失效：不是过拟合——训练与测试一起垮。经验与此一致：Kipf 与 Welling 在引用网络基准上两层结构即达其最优，层数再增成绩回落（Kipf & Welling, 2017）。

层数的另一端拴着感受野。一阶近似把每层感受野钉在一跳，L 层的感受野(receptive field)即 L 跳。药物分子的图直径不大：苯环六元环，对径原子相距三键，三层已把全环尽收（习题 3.4-3）；典型类药分子的重原子图直径在十个键上下。要看全分子，深一些似乎有理；但深到能看全时，平滑也把特征抹平了。实践落在 2–4 层——DeepChem 的 GCNModel 与 TorchDrug 的图卷积默认层数都在这个区间——再配合残差连接、层间归一化或跳跃聚合缓解塌缩。跨越长程的化学效应（共轭链两端的电性传递）更依赖注意力与读出的设计（3.5、3.6 节），而非一味加深。

3.4.7 桥：站到消息传递的门口

GCN 把谱方法送完了最后一程：一个由度数定价的邻域平均，两三层的堆叠，已能在 Tox21 这类任务上与指纹基线同台竞争（Wu et al., 2018）。但平均把“哪些邻居更值得听”压缩进了度数这一个变量：羰基旁的 α-碳与甲基旁的碳，若度数相同，在本层公式里的待遇完全相同。下一节把传播式拆成消息、聚合、读出三件，逐个位置松绑；3.6 节再让注意力接管定价权。谱方法的遗产留下两样：归一化的纪律，与“层数即跳数”的几何直觉。