#今日论文推荐#亚马逊团队使用受物理启发的图神经网络，解决组合优化等问题

#今日论文推荐#亚马逊团队使用受物理启发的图神经网络，解决组合优化等问题

组合优化问题在科学和工业中普遍存在。现代深度学习工具已准备好以前所未有的规模解决这些问题，但结合统计物理学见解的统一框架仍然很出色。这里，亚马逊量子解决方案实验室的研究人员，展示了如何使用图神经网络来解决组合优化问题。他们的方法广泛适用于以二次无约束二元优化问题形式出现的规范 NP 难问题，如最大割集、最小顶点覆盖、最大独立集，以及以多项式无约束二元优化问题形式出现的 Ising spin glasses 及其高阶推广。研究人员对问题哈密顿量应用松弛策略以生成可微损失函数，然后用它来训练图神经网络，并在无监督训练过程完成后对整数变量应用简单投影。他们展示了针对典型最大割和最大独立集问题的数值结果的方法。研究发现，图神经网络优化器的性能与现有的求解器相当或优于现有的求解器，能够扩展到超越现有技术水平以解决具有数百万个变量的问题。该研究以「Combinatorial optimization with physics-inspired graph neural networks」为题，于 2022 年 4 月 21 日发布在《Nature Machine Intelligence》。

论文题目：Combinatorial Optimization with Physics-Inspired Graph Neural Networks
详细解读：https://www.aminer.cn/research_report/6285ad327cb68b460fbc0037?download=falsehttps://www.aminer.cn/research_report/6285ad327cb68b460fbc0037?download=false
AMiner链接：https://www.aminer.cn/?f=cs

​