Neural框架求解graphon变分问题

Taeyoung Kim 等在 arXiv 论文（arXiv:2610.32147）提出一个用隐式神经表示表示 graphon、通过梯度下降优化目标函数的神经探索框架，并产出候选最优 graphon。据论文称，该框架在以往需要大量人工推导的广义 Turán 问题上，无需人工干预即重新找到了已知的最优 graphon。 论文还称，对三角形图的上尾（upper-tail）情形，其候选构造在数值上优于 Lubetzky 和 Zhao 的已知参考构造；这一改进属于候选结果，是否成立尚待验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。