探索图级自编码器（GRALE）
机器学习
2025-10-21 v3 人工智能
摘要
尽管基于图的学习引起了广泛关注，但图表示学习仍然是一项具有挑战性的任务，其解决可能会影响化学或生物学等关键应用领域。为此，我们引入了 GRALE，一种新颖的图自编码器，能够将不同大小的图编码和解码到一个共享的嵌入空间中。GRALE 使用受最优传输启发的损失函数进行训练，该损失函数比较原始图和重建图，并利用一个可微的节点匹配模块，该模块与编码器和解码器联合训练。所提出的基于注意力的架构依赖于 Evoformer（AlphaFold 的核心组件），我们对其进行了扩展以支持图编码和解码。我们在模拟数据和分子数据上的数值实验中表明，GRALE 实现了一种高度通用的预训练形式，适用于广泛的下游任务，从分类和回归到更复杂的任务，如图插值、编辑、匹配和预测。
引用
@article{arxiv.2505.22109,
title = {The quest for the GRAph Level autoEncoder (GRALE)},
author = {Paul Krzakala and Gabriel Melo and Charlotte Laclau and Florence d'Alché-Buc and Rémi Flamary},
journal= {arXiv preprint arXiv:2505.22109},
year = {2025}
}