螺旋域感知的图生成：用于不平衡分子属性回归的 SPECTRA
群论
2025-11-10 v1 几何拓扑
量子代数
表示论
摘要
分子属性回归在化学相关目标范围内样本不足的情况下难以处理。标准的平均误差最小化方法在这些高度相关的案例中表现不佳，过采样方法也会导致无意义的分子表征。本文提出 SPECTRA，一种基于螺旋域的、域感知的图生成方法，旨在提高对稀缺但相关分子属性值的预测。它结合稀缺感知预算方案聚焦稀缺数据所在处，目标邻居图对齐建立结构对应关系，并对拉普拉斯谱、节点特征和目标值进行插值。配合采用边缘感知的切比雪夫卷积的螺旋图神经网络，SPECTRA 在属性预测基准测试中展现出效能，在相关目标范围内实现对领先 SOTA 方法的竞争性表现，同时所需计算时间约为其 1/4。
引用
@article{arxiv.2511.04836,
title = {Representations of Coxeter groups over fusion rings and hyperplane complements},
author = {Edmund Heng and Luis Paris},
journal= {arXiv preprint arXiv:2511.04836},
year = {2025}
}
备注
Comments are more than welcomed!