ICML được xem là một trong những hội nghị hàng đầu thế giới về lĩnh vực máy học. Năm nay, hội nghị sẽ diễn ra vào ngày 23 - 29/7 tại Hawaii, Hoa Kỳ.
Graph Neural Networks (GNNs) là những mạng neuron máy học trên dữ liệu có dạng đồ thị. Chúng có nhiều ứng dụng trong các hệ thống gợi ý và trong các bài toán về hóa học hay sinh học phân tử. Hai trở ngại chung của hầu hết các GNNs thông dụng là over-smoothing và over-squashing. Hai vấn đề này làm giảm độ hiệu quả của những GNNs với độ sâu cao, khiến các mô hình này gặp khó khăn trong việc học được các thông tin quan trọng từ dữ liệu.
![]() |
Hoàng Khang sẽ tham dự hội nghị ICML diễn ra từ ngày 23 - 29/7 tại Hawaii, Hoa Kỳ. (Ảnh: ĐHTN) |
Bài báo của Nguyễn Hoàng Khang chỉ ra rằng tình trạng over-smoothing và tình trạng over-squashing đều có thể được giải thích dựa vào khái niệm độ cong rời rạc Ollivier-Ricci. Dựa vào đó, bài báo đề xuất một phương pháp preprocess dữ liệu dạng đồ thị để giúp GNNs giảm thiểu được hai vấn đề này.