精神健康研究中心主任、研究生院副院长、医疗科技及信息学系教授仇安琪教授领导的研究团队，成功开发了一种新型异构图注意力网络，名为「霍奇-拉普拉斯异质图注意力网络」（HL-HGAT），有望彻底革新图结构数据中复杂关系的建模方式。这项创新有助克服目前物流、计算器视觉、化学及神经科学等领域的技术瓶颈。
传统的图神经网络（GNN）大多仅能处理简单的「A 到 B」类型的成对关系，因此难以理解群体互动。仇教授的新HL-HGAT模型突破了这一限制，透过将图解读为更高维度的形状（称为单体复形），能够捕捉节点、边、三角形及更高阶结构之间的关系。HL-HGAT的核心在于霍奇-拉普拉斯运算符，它促进了超越简单成对关系的建模与讯号传播，从而更深入地理解复杂数据。HL-HGAT的一项关键突破，是其能够对动态的、时变的图进行建模，透过结合HL滤波、自适应注意力与异质讯号分解，揭示静态GNN可能忽略的演变模式。
该模型已于多个领域展现出极高的应用价值，包括物流（优化配送路线）、计算器视觉（提升图像分类）、化学（预测分子性质）及神经科学（分析脑影像数据）。值得一提的是，HL-HGAT能有效检测如抑郁症及阿兹海默症等疾病中脑神经的细微变化，表现优于传统方法，并有助于临床早期诊断与介入。
这项创新HL-HGAT模型不仅于科学与工业领域的复杂图形任务中表现突出，更代表图神经网络技术的重要突破。相关研究已发表于《IEEE模式分析与机器智能汇刊》，论文题为〈HL-HGAT: Heterogeneous Graph Attention Network via Hodge-Laplacian Operator〉。
网上报导：
Mirage - https://polyu.me/4k68Cmp
信报 - https://polyu.me/49XexFD （需订阅）
文汇报 - https://polyu.me/4a1dapz
香港商报 - https://polyu.me/4afQ3c5
巴士的报 - https://polyu.me/49OAzfa
| 研究部门 | 精神健康研究中心 |
|---|
你可能也感兴趣
