Weisfeiler-Lehman 图核方法：弱化学标记的新途径
星系天体物理
2023-06-27 v1 太阳与恒星天体物理
摘要
恒星的化学特征为星团形成提供了宝贵见解。本研究利用 Weisfeiler-Lehman (WL) 图核考察了 15 维元素丰度空间。通过归一化流(normalizing flows)模拟化学分布，我们算法的有效性得到确认。结果凸显了 WL 算法结合高斯过程回归(Gaussian Process Regression)识别与不同星团质量函数相关的元素丰度点云中模式的能力。值得注意的是，与深度集(deep sets)和图卷积神经网络相比，WL 算法展现出更优的可解释性、效力与鲁棒性，并且仅需显著更少的模拟(O(10))即可实现最优训练，相较图神经网络减少了至少两个数量级。
引用
@article{arxiv.2306.14206,
title = {Weisfeiler-Lehman Graph Kernel Method: A New Approach to Weak Chemical Tagging},
author = {Yuan-Sen Ting and Bhavesh Sharma},
journal= {arXiv preprint arXiv:2306.14206},
year = {2023}
}
备注
7 pages, 4 figures, accepted to the ICML 2023 Machine Learning for Astrophysics workshop