graph-generation

研究人员提出了一种用于图生成的轻量级自回归框架，该框架使用结构引导的拓扑排序实现了接近对数线性的复杂度，解决了现有扩散和自回归方法在可扩展性和新颖性方面的局限性。该方法同时支持LSTM和Mamba风格的主干网络，在分子和非分子基准测试中展示了改进的新颖性，同时保持了有效性和独特性。

本文提出了一种混合WGAN-GA方法，用于优化生成图拓扑，通过遗传算法纠正基于GAN生成的图中残留的结构偏差，提高合成图生成和数据增强的真实性。