English(EN) HOPSE: Scalable Higher-Order Positional and Structural Encoder for Combinatorial Representations

HOPSE框架提高了高阶AI表示的可扩展性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-05 04:00

研究人员开发了HOPSE，一个旨在增强拓扑深度学习可扩展性的新框架。该方法摒弃了传统的消息传递层，转而利用Hasse图分解来创建高阶交互的高效编码。HOPSE实现了组合表示大小的线性可扩展性，在分子和拓扑基准测试上达到了与现有方法相当或更优的性能，同时提供了显著的速度提升。 AI

影响能够更有效地对数据中复杂的多向关系进行建模，有可能提高药物发现和材料科学等领域的性能。

排序理由该集群包含一篇详细介绍AI表示新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Guillermo Bern\'ardez, Marco Montagna, Louis Van Langendonck, Martin Carrasco, Amirreza Akbari, Louisa Cornelis, Mathilde Papillon, Pere Barlet-Ros, Nina Miolane, Lev Telyatnikov · 2026-06-05 04:00

HOPSE：用于组合表示的可扩展高阶位置和结构编码器

arXiv:2505.15405v3 Announce Type: replace Abstract: While Graph Neural Networks (GNNs) have proven highly effective at modeling relational data, pairwise connections cannot fully capture multi-way relationships naturally present in complex real-world systems. In response to this,…