图变换器梦见电流
原文中文,约500字,阅读约需1分钟。发表于: 。本研究解决了图数据处理中线性变换器的应用空缺,表明其能够实现解决电流和特征向量分解等经典问题的算法。通过理论分析和实验验证,研究还发现线性变换器在分子回归任务中能够学习比默认的拉普拉斯特征向量更有效的位置信息编码。
图神经网络与$k$维Weisfeiler--Leman层次结构结合,理论上具备良好表达能力,但实际应用效果有限。研究通过将图变换器与$k$-WL结合,提升了表达能力,并在PCQM4Mv2数据集上取得了竞争性预测表现。