学习图上的粗粒度动力学
原文中文，约400字，阅读约需1分钟。发表于：。我们考虑使用图神经网络（GNN）非马尔科夫建模框架来识别图上的粗粒化动力系统。我们的主要思路是通过检查莫里 - 茨旺齐记忆项的主导项如何依赖编码图拓扑的粗粒化相互作用系数，系统地确定 GNN 的体系结构。基于这个分析，我们发现适当的 GNN 体系结构需要至少进行 2K 步的消息传递（MP）机制，以考虑 K -...
本文介绍了使用图神经网络（GNN）非马尔科夫建模框架来识别图上的粗粒化动力系统。通过检查莫里 - 茨旺齐记忆项的主导项如何依赖编码图拓扑的粗粒化相互作用系数，确定了适当的GNN体系结构。通过数值演示，证明了该体系结构能够预测固定和时变图拓扑下的粗粒化动力学。
