研究人员推出了一种新颖的框架 HyPE-GT，该框架在双曲空间中为图变换器生成可学习的位置编码。与传统的欧几里得编码相比，这种方法旨在更好地捕捉图结构数据中复杂的层次关系。该框架还提供了一种缓解深度图神经网络过平滑的方法，并在分子基准测试和大型开放图基准数据集上展示了改进的性能。 AI
影响 这项研究可以提高图神经网络对复杂层次数据的建模能力，可能对药物发现和材料科学等领域产生影响。
排序理由 该集群包含一篇详细介绍图神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- graph neural networks
- Graph Transformers
- HyPE-GT
- Hyperbolic Positional Encodings
- Open Graph Benchmark
- Swagatam Das
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
