English(EN) Graph Neural Networks for Predicting Solvability of Finite Groups

图神经网络学习有限群的代数性质

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一个图神经网络（GNN）框架，旨在预测有限群的可解性。通过将有限群表示为图（如凯莱图），GNN被训练以仅使用结构图信息来识别可解群和不可解群。本研究作为概念验证，旨在探索GNN是否能从这些基于图的表示中学习抽象的代数性质。 AI

影响展示了GNN学习抽象代数性质的潜力，为计算数学开辟了新途径。

排序理由该集群包含一篇详细介绍新研究方法的学术论文。[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) · Tal Weissblat · 2026-06-09 04:00

用于预测有限群可解性的图神经网络

arXiv:2606.07619v1 Announce Type: new Abstract: We present a Graph Neural Network (GNN) framework for the classification of finite groups according to their solvability. Using graph representations associated with finite groups, including Cayley graphs (CG), the proposed model is…