FlowSymm: Physikbasierte Graph‑Attention löst fehlende Flussdaten
Ein neues Modell namens FlowSymm, vorgestellt auf arXiv, bietet eine elegante Lösung für das Problem fehlender Flusswerte in Netzwerken. Durch die Kombination physikalisch fundierter Symmetrieprinzipien mit moderner Graph‑Attention-Technologie kann das System exakt die lokalen Erhaltungsgesetze einhalten und gleichzeitig fehlende Daten rekonstruieren.
FlowSymm arbeitet in drei Schritten: Zunächst wird die gegebene Beobachtung auf eine Minimum‑Norm‑divergenzfreie Lösung gebracht. Anschließend wird ein orthonormales Basis‑Set aller zulässigen Gruppenaktionen berechnet, die die beobachteten Flüsse unverändert lassen. Dieses Basis‑Set bildet die zulässige Lösungsraum‑Struktur, die eine abelsche Gruppe unter Vektoraddition darstellt.
Ein Stapel von GATv2‑Schichten kodiert das Netzwerk und seine Kanteneigenschaften in Kanteneinbettungen. Durch Pooling über die fehlenden Kanten werden attention‑Gewichte für jede Basiskomponente erzeugt, die dann die physik‑bewussten Gruppenaktionen auswählen, die die beobachteten Flüsse erhalten. Abschließend wird ein Tikhonov‑Penalty‑Term verwendet, um die fehlenden Werte mittels eines konvexen Least‑Squares‑Solver zu verfeinern, wobei die Gradienten implizit über die Cholesky‑Faktorisierung propagiert werden.
In Tests an drei realen Fluss‑Benchmarks – Verkehr, Energie und Fahrradverkehr – übertrifft FlowSymm die führenden Baselines in allen gängigen Metriken wie RMSE, MAE und Korrelation. Das Ergebnis zeigt, dass die Kombination aus physikalischer Symmetrie und graph‑basiertem Lernen eine vielversprechende Richtung für die präzise Rekonstruktion von Netzwerkflüssen darstellt.