【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks

当前的图神经网络(GNN)简单地将节点嵌入到聚合的图表示中——可能会丢失结构或语义信息。我们在这里介绍了OT-GNN，它通过GNN节点嵌入集合与“原型”点云之间的最佳传输距离作为自由参数来计算图嵌入。这允许不同的原型突出显示不同图子部分的关键方面。证明了点云上的函数类满足一个通用的近似定理，这是一个由于和和而失去的基本性质。然而，根据经验，该模型在训练过程中有一种崩溃回标准聚合的自然趋势。我们通过提出一种有效的噪声对比调节器来解决这一优化问题，从而使模型朝着真正挖掘最优运输几何的方向发展。我们的模型在几个分子性质预测任务上始终表现出更好的泛化性能，也产生更平滑的表示。