NervePool:用神经复形为单纯复形做池化的新层发布
Pseudomanifold · x · 2026-11-17
Bastian Rieck 等人在《Computing in Geometry and Topology》发表 NervePool,一个面向单纯复形(图的的高维推广,可建模高阶关系)的池化层,代码已开源。
- 核心思路:先对顶点做聚类(bring your own clustering),再扩展每个簇,最后取簇的 nerve(神经复形),得到保留高阶结构的更小复形;实现上是基于 learned 顶点簇分配的确定性矩阵运算,拓扑动机是单纯形星并集与 nerve 复形的集合论构造。
- 效果:图任务上排名第二(仅次于 DiffPool);在单纯复形任务上能发挥高阶结构优势。作者用梗图自嘲「DiffPool 不知道我能看见三角形」。
- 合作者:Sarah McGuire Scullen、Ernst Röell、Liz Munch、Matthew Hirn(密歇根州立、PNNL、Helmholtz Munich 等)。
「研究」频道最新
- Sharpa 提出 SALA:语义对齐潜动作让人形机器人训练实现双轴扩展 — Jiachun Jin · 2026-11-17
- OutfitterBench:200 天装备租赁模拟揭示 LLM 智能体长期承诺协调短板 — Jie Huang · 2026-11-17
- Craftax 长程任务新法:反馈级联引导 LLM 进化程序化策略与目标编译器 — Víctor Gallego · 2026-11-17
- cuPotential 分子动力学实测:4090 上比 OpenMM 快 3~4 倍 — gdefabritiis · 2026-11-17
- 四篇校准论文复盘:模型置信度不足以放行 Agent 的危险操作 — Xjjjjyn · 2026-11-17
- E11 Bio 发布五个职位,扩编大脑连接组学技术团队 — anderssandberg · 2026-11-17