PulseAugur
中
实时 08:32:41
English(EN) Graph Neural Networks are Heuristics

图神经网络应用于优化和物理学问题 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员正在探索图神经网络（GNNs）在组合优化和理论物理学等传统角色之外的应用。一项研究表明，GNNs可以作为欧几里得旅行商问题的有效启发式方法，通过一次前向传播学习生成完整的路径，计算成本极低。另一篇论文将GNNs（包括图Transformer）应用于高能物理学中的大规模图分类问题，取得了高精度，并提供了显著的数据压缩以加快计算速度。 AI

影响 展示了GNNs在解决复杂优化问题和推进理论物理学研究方面的多功能性。

排序理由 两篇arXiv论文探讨了图神经网络在不同研究领域的新颖应用。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

图神经网络应用于优化和物理学问题 · 跟踪2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Yimeng Min, Carla P. Gomes ·

    Graph Neural Networks are Heuristics

    arXiv:2601.13465v4 Announce Type: replace Abstract: Graph neural networks are usually treated as auxiliaries for combinatorial optimization: they imitate algorithms, guide search, or supply scores to classical procedures. We show that this auxiliary role is not intrinsic. A GNN c…

  2. arXiv cs.LG TIER_1 English(EN) · Rigers Aliaj, Gabriele Dian, Reza Doobary, Paul Heslop ·

    Graph Neural Networks for the Graphical Bootstrap

    arXiv:2607.03109v1 Announce Type: cross Abstract: We study a graph classification problem involving over 20 million graphs, arising from high-order perturbative computations of correlators in planar $\mathcal{N}=4$ super-Yang--Mills, a model closely related to the theory of the s…

相关实体

相关话题