講演情報
[2N6-GS-2x-01]潜在フローマッチングによるグラフ構造データの生成モデリング
〇久野 証1、中島 研吾2,3 (1. 東京大学情報理工学系研究科、2. 東京大学情報基盤センター、3. 理研R-CCS)
[[オンライン]]
キーワード：
非ユークリッド生成モデリング、フローマッチング
グラフ基盤モデルでは、頂点順序に依存せずスケーラブルで、無条件生成にとどまらない汎用的生成器が求められる。Latent Graph Diffusion（LGD）(Zhou et al., NeurIPS’24) は、グラフをユークリッド潜在空間に写像し、条件付き補完により生成と予測を統一的に扱う枠組みを示したが、反復的拡散サンプリングは計算コストが高い。本研究は拡散サンプラーを連続時間フローマッチングに置換したLatent Graph Flow Matching（LGFM）を提案する。単一ODE解法により高速生成を実現し、QM9で妥当性94%を維持しつつスループットを約7.8倍（35 graphs/s）に向上させた。さらに同一インターフェースで分子物性回帰にも適用可能であることを示す。