基于随机微分方程的组合复合得分扩散模型

图结构为表示自然界和复杂系统中各种模式提供了灵活的框架，适用于分子化学、社交网络和交通系统等领域。虽然扩散模型在生成各种对象方面取得了很大成功，但生成图形仍然具有挑战性。本论文探讨了通过将对象建模为组合复合体来利用评分函数生成模型生成此类对象的潜力，后者是包含更高阶关系的强大拓扑结构。在本论文中，我们提出了一种统一框架，通过采用随机微分方程。我们不仅泛化了复杂对象（如图和超图）的生成，还统一了诸如基于得分匹配与朗伯动力学以及去噪扩散概率模型等现有生成模型方法。这种创新克服了专注于图生成的现有框架的局限性，开辟了生成式AI的新可能性。实验结果表明，我们的框架能够生成这些复杂对象，并且在仅次于最先进方法的图和分子生成任务方面也能与之竞争。