GraViti: Autoencoder Variazionale a Livello di Grafo per la Generazione Molecolare

I ricercatori hanno presentato GraViti, un autoencoder variazionale basato su transformer progettato per applicazioni a livello di grafo, che traduce interi grafi in vettori latenti compatti, facilitando l'interpolazione fluida e le ricerche guidate da proprietà. Questo approccio innovativo crea un autentico spazio latente a livello di grafo, in contrasto con gli embedding a livello di nodo. Nei benchmark molecolari, GraViti decodifica con successo campioni validi che rispettano i vincoli chimici, recuperando direttamente le regole del dominio dalle rappresentazioni a livello di grafo. I risultati indicano che imporre l'invarianza di permutazione può ostacolare una ricostruzione coerente in domini con ordinamenti canonici affidabili dei nodi, come le molecole o le reti bayesiane. GraViti eccelle nell'accuratezza della ricostruzione su ampi dataset e dimostra forti capacità generative con decodifica a passo singolo, fungendo da alternativa efficiente a metodi di generazione più complessi.