亚马逊云科技上海人工智能研究院
亚马逊云科技上海人工智能研究院
关于我们
亚马逊云科技上海人工智能研究院于 2018 年秋成立，隶属于亚马逊云科技机器学习。
研究院主要关注:
- 开发和贡献开源项目， 比如广受欢迎的 Deep Graph Library (DGL) 框架
- 图神经 (GNNs) 领域的基础研究及其应用
- 通过亚马逊云科技的服务（诸如 SageMaker DGL 和 Netpune ML等）赋能客户
- 积极地同学术界进行相关合作
最新消息
DGL 2.1: 为您的 GNN 数据流水线提供 GPU 加速
我们非常高兴地宣布 DGL 2.1 的发布。在这个版本中，我们大幅提升了 GNN 数据加载速度。通过在 GraphBolt 中引入 GPU 加速技术，我们对整个 GNN 数据加载流水线进行了优化，包括图采样和特征提取阶段。
GNN2.0：助力优化 GNN 数据流水线
我们非常高兴地宣布 DGL2.0 的发布，这是图神经网络 (GNNs) 机器学习框架的一个重要里程碑。数据加载一直以来都是 GNN 训练中的重要瓶颈之一。复杂的图结构和高效采样需求经常影响数据加载速度和限制资源，这都会严重阻碍 GNN 模型的训练速度和可拓展性。DGL2.0 通过引入 dgl.graphbolt 打破了这些限制。这是一个革命性的数据加载框架，通过优化数据流水线，显著提高了 GNN 训练的速度和可扩展性。。
DGL 1.0: 10 行代码搞定图 Transformer
我们很高兴地宣布 DGL1.0 的正式发布，这是一个用于图深度学习的最前沿的机器学习框架。近三年来，学术界和工业界对图深度学习的兴趣日益增长。从对新模型的学术研究到对图神经网络（GNN）在现实世界中大规模应用的解决方案，DGL 框架能够满足不同场景的需求。我们希望通过 DGL1.0 为所有的用户提供全面易用的基于图机器学习的解决方案。
使用 DGL v0.9.1 快速划分海量图数据
在最新版本 DGL v0.9.1 中，我们针对亿万级图数据的预处理，划分和分布式存储提供了新的解决方案。其核心设计是面向巨图的分块存储格式（CGDF）。通过将巨图存储为多个小数据块并进行并行处理，新版本不仅降低了运算复杂度提高了处理速度，同时也减少了对单一机器的内存需求。
DGL 助力精确有机反应活性预测
在最新一期 Nature Machine Intelligence 上，韩国科学技术院(KAIST)针对有机反应活性预测提出了一种新的图神经网络 LocalTransform，除了高度的预测准确性外，该模型还自带可解释性。祝贺 Yousung Jung 老师团队。很荣幸 DGL 能为 AI for science 领域的发展添砖加瓦。
DGL v0.9 正式发布
自第一篇图卷积神经网络论文的发表已经过去了六年，图神经网络（GNN）已经成为重要的研究课题。研究人员正在积极探索更先进的 GNN 模型或训练方法。DGL 开发团队密切关注新的研究趋势并基于此发布新特性。
DGL 2022 年 5 月更新 (0.8.2)
DGL 2022 年 4 月更新 (0.8.1)
DGL v0.8 正式发布
基于DGL的异质图神经网络开源工具包正式发布
今天，
北邮 GAMMA Lab 正式发布异质图神经网络开源工具包 OpenHGNN-0.1.0 版本。该开源工具包是以深度学习框架 PyTorch 与图神经网络框架
DGL 作为底层框架，设计了异质图神经网络训练流程的基本架构，集成了异质图神经网络 SOTA 模型。
论文
查看亚马逊云科技上海人工智能研究院的论文。
工作机会
亚马逊云科技上海人工智能研究院正在招聘实习生岗位，请访问亚马逊招聘网站获取更多招聘信息和职位说明，欢迎通过链接投递简历。
