What Drives GNN Performance in Tissue Dynamics? Insights from Vertex-Model Simulations
Diese Studie benchmarkt fünf Graph Neural Network-Architekturen an 1.615 simulierten Gewebegraphen, die T1-Übergänge durchlaufen, wobei das Provably Powerful Graph Network (PPGN) durch den Einsatz einer hybriden Vorhersagestrategie eine hohe Genauigkeit mit minimalen Daten erreicht und hervorhebt, dass Gewebestörungen ein entscheidender Faktor für die Zuverlässigkeit des Modells sind.