冰立方信号分类的图神经网络

Sep, 2018

Graph Neural Networks for IceCube Signal Classification

Nicholas Choma, Federico Monti, Lisa Gerhardt, Tomasz Palczewski, Zahra Ronaghi...

TL;DR本文提出了一种基于图神经网络的信号检测算法，将冰立方探测器阵列建模成图形，通过学习传感器间的空间坐标构建边，实现仅针对输入信号支持计算的自适应计算，并在对冰立方探测器事件分类任务中展示了其优越性。

Abstract

Tasks involving the analysis of geometric (graph- and manifold-structured) data have recently gained prominence in the machine learning community, giving birth to a rapidly developing field of geometric deep learning. In this work, we leverage graph neural networks to improve

geometric deep learning graph neural network icecube detector signal detection classification

发现论文，激发创造

用图神经网络作为快速高保真模拟器进行有限元冰盖模型建模

本研究利用图神经网络 (GNN) 开发了快速代理模型来解决冰川动力学问题，通过使用 20 年的变动模拟数据训练和测试 3 个 GNN（图卷积网络，图注意力网络和等变图卷积网络），结果显示这些 GNN 能够以更高的准确性重建冰厚度和速度，并成功捕捉到 Pine Island Glacier 中由较高底侵蚀速率引起的冰量减少和加速。当将我们的 GNN 模拟器应用于 GPU 上时，计算时间比基于 CPU 的 ISSM 模拟快 50 倍。

Feb, 2024

用于格陵兰和南极冰盖有限元冰动力学仿真的图神经网络

数值模型、卷积神经网络、等变图卷积网络、冰川动力学和计算效率的研究。

Jun, 2024

使用物理信息的图神经网络学习极地冰层的时空模式

基于图神经网络的物理受限混合模型能够通过学习浅层冰层的厚度信息，预测深层冰层的厚度，并在这方面表现出优于当前非归纳或非物理模型的性能。

Jun, 2024

粒子物理中的图神经网络

介绍了图神经网络在粒子物理学中应用的各种情况，并探讨了它在粒子物理学中的潜在应用。

Jul, 2020

图神经网络与三维拓扑

本研究测试应用几何深度学习到低维拓扑问题的效果，在一个简单的模型中，使用图神经网络来判断一对图是否给出同构三维多样体，通过监督学习和强化学习来训练和优化神经网络模型的准确率和效率。