研究人员推出了一种新颖的扩散模型 DiPhon，专为可扩展图生成而设计。该框架在图子（graphons）上运行，图子是稠密图序列的理论极限对象，允许模型在不同图大小时保持结构属性。DiPhon 在图子空间上使用雅可比随机微分方程（SDE）构建了一个连续的扩散过程，然后将其离散化以用于有限图。该模型可以在较小的图上进行训练，然后无需重新训练即可用于生成明显更大的图，同时保留关键的拓扑特征。 AI
影响 引入了一种生成大型复杂图的新方法，可能推动分子设计和网络分析等领域的发展。
排序理由 该集群描述了一篇详细介绍新颖图生成方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07232v1 Announce Type: new Abstract: Diffusion models represent a leading paradigm for graph generation, with notable impact in domains such as molecular design. Yet, scaling these models to large graphs remains an open problem. We approach this question in the dense-g…
Diffusion models represent a leading paradigm for graph generation, with notable impact in domains such as molecular design. Yet, scaling these models to large graphs remains an open problem. We approach this question in the dense-graph setting through the lens of graphons, the s…