Learning Latent Graph Geometry via Fixed-Point Schrödinger-Type Activation: A Theoretical Study
Cette étude théorique propose une nouvelle architecture de réseaux de neurones basée sur des états stationnaires de dynamiques de type Schrödinger sur des graphes latents, démontrant que ces modèles peuvent être optimisés via une géométrie de Kähler et qu'ils sont mathématiquement équivalents à des systèmes de réseaux à faisceaux (sheaf-based) dont la complexité est régulée par la géométrie du graphe plutôt que par la connectivité ambiante.