Gráf transformerek
2026-2027 ősz
Nincs megadva
Téma leírása
A message passing alapú GNN-eknek jól ismert korlátai vannak (limitált expressive power, over-smoothing, over-squashing), és a gráf transformerek erre kínálnak alternatívát, cserébe viszont a gráf szerkezetét positional és structural encoding formájában kell visszaadni a modellnek. Hogy melyik encoding mikor és miért működik, máig nyitott kérdés. A projektben a hallgató benchmarkokon összeméri a létező megközelítéseket, majd saját ötletet tervez és mér: új encoding, attention bias, vagy skálázható sparse attention.
Maximális létszám:
1 fő