محققان در یک پژوهش جدید، مفهومی با عنوان «انحنای آنتروپیک» (Entropic Curvature) را معرفی کردهاند که به ما کمک میکند بفهمیم اطلاعات در گرافهای پیچیده چطور در مسافتهای طولانی حرکت میکنند.
این روش که فراتر از بررسیهای محلیِ سنتی عمل میکند، دو چالش بزرگ در شبکههای عصبی گراف یعنی «oversmoothing» و «oversquashing» را هدف قرار داده است. با استفاده از این چارچوب جدید، سه مکانیسم عملیاتی برای بهبود عملکرد مدلها و بازنویسی ساختار گراف ارائه شده که در بنچمارکهای مختلف نتایج درخشانی داشته است.
اگر در زمینه یادگیری گراف فعالیت میکنید، این دستاورد میتواند دیدگاه جدیدی برای بهینهسازی مدلهای شما باشد! 📈✨
منبع: arXiv Machine Learning