Flowette: Generazione di Grafi con Priorità Graphette
Flowette, un framework innovativo, sfrutta il continuous flow matching insieme a reti neurali per grafi per creare grafi caratterizzati da motivi di sottografi ricorrenti. Presenta le graphette, una categoria probabilistica di modelli di struttura di grafi che estendono i graphon attraverso modifiche controllate dei motivi, inclusi anelli, stelle e alberi. Il modello utilizza un accoppiamento basato sul trasporto ottimale per un allineamento sensibile alla topologia e incorpora una regolarizzazione per garantire la coerenza strutturale complessiva. Indagini teoriche affrontano l'accoppiamento, l'invarianza e le caratteristiche strutturali. Valutazioni condotte su benchmark sintetici e molecolari differenziano gli impatti del prior strutturale, dell'accoppiamento con trasporto ottimale e delle componenti di regolarizzazione.
Fatti principali
- Flowette è un framework di continuous flow matching per la generazione di grafi.
- Utilizza un trasformatore basato su rete neurale per grafi per apprendere un campo di velocità.
- Le graphette sono introdotte come una nuova famiglia probabilistica di modelli di struttura di grafi.
- Le graphette generalizzano i graphon attraverso modifiche strutturali controllate per i motivi.
- I motivi includono anelli, stelle e alberi.
- L'accoppiamento basato sul trasporto ottimale promuove un allineamento sensibile alla topologia.
- La regolarizzazione incoraggia la coerenza strutturale globale.
- Valutato su benchmark sintetici e molecolari con ablazioni controllate.
Entità
—