論文の概要: GraphGUIDE: interpretable and controllable conditional graph generation with discrete Bernoulli diffusion

• arxiv url: http://arxiv.org/abs/2302.03790v1
• Date: Tue, 7 Feb 2023 22:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 17:50:04.319345
• Title: GraphGUIDE: interpretable and controllable conditional graph generation with discrete Bernoulli diffusion
• Title（参考訳）: GraphGUIDE:離散ベルヌーイ拡散を用いた解釈可能かつ制御可能な条件グラフ生成
• Authors: Alex M. Tseng, Nathaniel Diamant, Tommaso Biancalani, Gabriele Scalia
• Abstract要約: 拡散モデルは、現実的なオブジェクトを生成する際に最先端のパフォーマンスを達成する。 近年の研究は、薬物様分子のグラフ表現を含むグラフ上での拡散も定義できることを示した。 拡散モデルを用いたグラフ生成のための新しいフレームワークであるGraphGUIDEを提案する。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models achieve state-of-the-art performance in generating realistic objects and have been successfully applied to images, text, and videos. Recent work has shown that diffusion can also be defined on graphs, including graph representations of drug-like molecules. Unfortunately, it remains difficult to perform conditional generation on graphs in a way which is interpretable and controllable. In this work, we propose GraphGUIDE, a novel framework for graph generation using diffusion models, where edges in the graph are flipped or set at each discrete time step. We demonstrate GraphGUIDE on several graph datasets, and show that it enables full control over the conditional generation of arbitrary structural properties without relying on predefined labels. Our framework for graph diffusion can have a large impact on the interpretable conditional generation of graphs, including the generation of drug-like molecules with desired properties in a way which is informed by experimental evidence.
• Abstract（参考訳）: 拡散モデルは、現実的なオブジェクトを生成する際に最先端のパフォーマンスを達成し、画像、テキスト、ビデオにうまく適用されている。 近年の研究は、薬物様分子のグラフ表現を含むグラフ上で拡散も定義できることを示した。 残念ながら、解釈可能かつ制御可能な方法でグラフ上で条件生成を行うのは難しい。 本研究では,拡散モデルを用いたグラフ生成のための新しいフレームワークであるGraphGUIDEを提案する。 いくつかのグラフデータセット上でGraphGUIDEを実証し、事前に定義されたラベルに頼ることなく任意の構造特性の条件付き生成を完全に制御できることを示す。 グラフ拡散の枠組みは, 実験的な証拠から示唆されるような, 望ましい性質を持つ薬物様分子の生成を含む, グラフの解釈可能な条件生成に大きな影響を与える。

関連論文リスト

• Advancing Graph Generation through Beta Diffusion [49.49740940068255]
  Graph Beta Diffusion (GBD)は、グラフデータの多様な性質を扱うために特別に設計された生成モデルである。 本稿では, 臨界グラフトポロジを安定化させることにより, 生成グラフの現実性を高める変調手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:42:57Z)
• Neural Graph Generator: Feature-Conditioned Graph Generation using Latent Diffusion Models [22.794561387716502]
  グラフ生成に条件付き潜在拡散モデルを利用する新しい手法であるニューラルグラフ生成器(NGG)を導入する。 NGGは複雑なグラフパターンをモデル化し、グラフ生成プロセスの制御を提供する。
  論文  参考訳（メタデータ） (2024-03-03T15:28:47Z)
• GraphRCG: Self-Conditioned Graph Generation [78.69810678803248]
  本稿では,グラフ分布を明示的にモデル化する自己条件付きグラフ生成フレームワークを提案する。 本フレームワークは, 既存のグラフ生成手法に比べて, 学習データに対するグラフ品質と忠実度において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-02T02:28:20Z)
• Graph Generation with Diffusion Mixture [57.78958552860948]
  グラフの生成は、非ユークリッド構造の複雑な性質を理解する必要がある実世界のタスクにとって大きな課題である。 本稿では,拡散過程の最終グラフ構造を明示的に学習することにより,グラフのトポロジーをモデル化する生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T17:07:46Z)
• Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
  コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。 近年の研究では、グラフ表現学習における事前学習の有用性が示されている。 本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
  論文  参考訳（メタデータ） (2023-02-06T16:26:29Z)
• Generative Diffusion Models on Graphs: Methods and Applications [50.44334458963234]
  拡散モデルは、新しい生成パラダイムとして、様々な画像生成タスクにおいて顕著な成功を収めた。 グラフ生成は多くの実世界のアプリケーションを持つグラフ上で重要な計算タスクである。
  論文  参考訳（メタデータ） (2023-02-06T06:58:17Z)
• Conditional Diffusion Based on Discrete Graph Structures for Molecular Graph Generation [32.66694406638287]
  分子グラフ生成のための離散グラフ構造(CDGS)に基づく条件拡散モデルを提案する。 具体的には、微分方程式(SDE)を用いて、グラフ構造と固有の特徴の両方に対して前方グラフ拡散過程を構築する。 本稿では,中間グラフ状態からグローバルコンテキストと局所ノードエッジ依存性を抽出する,特殊なハイブリッドグラフノイズ予測モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-01T15:24:15Z)
• Explanation Graph Generation via Pre-trained Language Models: An Empirical Study with Contrastive Learning [84.35102534158621]
  エンドツーエンドで説明グラフを生成する事前学習言語モデルについて検討する。 本稿では,ノードとエッジの編集操作によるグラフ摂動の簡易かつ効果的な方法を提案する。 提案手法は,説明グラフの構造的精度と意味的精度を両立させる。
  論文  参考訳（メタデータ） (2022-04-11T00:58:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。