研究人员引入了一种新的分析同步网络的方法，通过直接从图拓扑学习“稳定性景观”。该方法采用图到图像的预测范式，其中图神经网络对网络结构进行编码，卷积神经网络解码器生成景观。该研究还发布了两个数据集来支持这项任务，并证明了这些复杂的稳定性景观是可学习的，比传统的标量指标提供了更细致的理解。 AI
影响 引入了一种新颖的图到图像预测范式，用于分析复杂的网络动力学，可能影响电力网稳定性和神经科学等领域。
排序理由 该集群包含一篇详细介绍新颖研究方法和数据集发布的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23708v1 Announce Type: new Abstract: The robustness of synchronization is typically characterized by scalar, per-node stability indices whose dependence on topology is studied via network science or graph neural networks (GNNs). We propose a novel upstream task, learni…
The robustness of synchronization is typically characterized by scalar, per-node stability indices whose dependence on topology is studied via network science or graph neural networks (GNNs). We propose a novel upstream task, learning stability landscapes, which provide deeper in…