確率微分方程式のシステムによるグラフのスコアベース生成モデル

グラフ構造データを生成するには、グラフの基盤となる分布を学習する必要があります。しかし、これは難しい問題であり、以前のグラフ生成手法は、グラフの置換不変性の特性を捉えることができなかったり、モジュールの生成に不可欠なノードとエッジ間の複雑な依存関係を十分にモデル化できなかったりします。これらの制限を克服するために、連続時間フレームワークを用いたグラフのための新しいスコアベース生成モデルを提案します。具体的には、ノードとエッジの同時分布を確率微分方程式（SDE）のシステムを通じてモデル化する新しいグラフ拡散プロセスを提案します。次に、提案された拡散プロセスに合わせた新しいスコアマッチングの目的を導出し、各コンポーネントに関する同時対数密度の勾配を推定する新しいSDEのソルバーを導入して、逆拡散プロセスから効率的にサンプリングします。多様なデータセット上で我々のグラフ生成手法を検証し、基準に対して著しく優れたか、競争力のあるパフォーマンスを実現します。さらなる分析により、我々の手法がトレーニング分布に近い分子を生成できる一方で、化学的原子価則に反しないことが示され、ノードとエッジ間の関係をモデル化する際のSDEのシステムの有効性が示されます。私たちのコードは https://github.com/harryjo97/GDSS で入手可能です。