arXiv cs.AI· Asiri Wijesinghe, Sevvandi Kandanaarachchi, Daniel M. Steinberg, Cheng Soon Ong·· 14 小时前AI 评分22
Flowette：用 Graphette 先验做流匹配的图生成框架
Flowette: Flow Matching with Graphette Priors for Graph Generation
AI 导读
Flowette 是一个连续流匹配图生成框架，用基于图神经网络的 Transformer 学习带节点与边属性的图表示速度场，并提出 graphettes 这一概率图结构模型族，通过受控结构编辑泛化 graphon 以刻画环、星、树等模体。模型结合最优传输耦合与端点感知、化学感知正则化，在合成与分子基准上多项指标达到 SOTA，消融实验分离了结构先验、耦合与正则项的贡献。
正文 · AI 翻译
摘要：我们研究具有重复子图模体的图生成建模。我们提出 Flowette，一个连续流匹配框架，采用基于图神经网络的 transformer 在具有节点和边属性的图表示上学习速度场。我们的模型通过基于最优传输的耦合促进拓扑感知对齐，并通过端点感知和化学感知正则化保持结构保真度。为了引入领域驱动的结构先验，我们引入 graphettes，一个新的图结构模型概率族，通过对环、星和树等模体进行受控结构编辑来推广 graphons。我们从理论上分析了该框架的耦合、不变性和结构性质，在合成和分子基准上对其进行评估，并通过受控消融实验分离出结构先验、最优传输耦合和正则化项的贡献。Flowette 整体上取得了有竞争力的性能，在多个基准的若干指标上达到最先进的结果，凸显了将结构先验与基于流的训练相结合来建模复杂图分布的有效性。
| 评论： | 61 页 |
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2602.23566 [cs.LG] |
| （或 arXiv:2602.23566v4 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.23566 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 第 40 届神经信息处理系统大会 (NeurIPS 2026) |
提交历史
来自：Asiri Wijesinghe [查看电子邮件]
[v1]
2026 年 2 月 27 日星期五 00:22:21 UTC (13,421 KB)
[v2]
2026 年 5 月 15 日星期五 05:40:18 UTC (14,114 KB)
[v3]
2026 年 5 月 18 日星期一 02:44:07 UTC (14,114 KB)
[v4]
2026 年 10 月 26 日星期一 00:40:01 UTC (16,392 KB)
来源：arXiv cs.AI · arxiv.org