QDC：图上的量子扩散卷积核
机器学习
2023-07-24 v1 量子物理
摘要
图卷积神经网络（GCNs）在给定预测任务下通过聚合局部邻域的消息来运作。许多 GCN 可理解为图上输入特征的某种广义扩散，且大量工作致力于通过改变消息传递方式来提升预测精度。本工作中，我们提出一种新的卷积核，它利用量子粒子在图上传播的广义扩散范式，依据顶点占据相关性有效地重新连接图。我们将这一新卷积核称为量子扩散卷积（QDC）算子。此外，我们引入了一种多尺度变体，将 QDC 算子与传统组合拉普拉斯算子的消息相结合。为理解我们的方法，我们探究了同配性的谱依赖以及量子动力学在构建带通滤波器中的重要性。通过这些研究以及在一系列数据集上的实验，我们观察到与类似方法相比，QDC 在广泛使用的基准数据集上提升了预测性能。
引用
@article{arxiv.2307.11234,
title = {QDC: Quantum Diffusion Convolution Kernels on Graphs},
author = {Thomas Markovich},
journal= {arXiv preprint arXiv:2307.11234},
year = {2023}
}