DiPhon：用于可扩展图生成的扩散模型已发布

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]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Jacobi
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →