Un atlas relationnel pour transférer entre graphes hétérogènes

Un problème de repères

Les graphes issus de domaines différents n’ont pas nécessairement les mêmes nœuds, relations ou coordonnées. SCGFM-ART propose un atlas relationnel partagé : les graphes cibles y sont transportés tout en conservant des correspondances fines entre nœuds et rôles structurels.

Amortir le transport

Le mécanisme Amortized Relational Transport apprend à prédire les couplages graphe-atlas, plutôt que de recalculer un alignement complet pour chaque graphe à l’inférence. Le cadre combine des coordonnées globales de réponse de l’atlas et des correspondances locales qui préservent la topologie.

Résultats de transfert

Les auteurs rapportent des performances few-shot de pointe sur 14 benchmarks de transfert au niveau nœud et graphe. Sur leurs expériences de scalabilité, l’inférence SCGFM-ART devient jusqu’à 974 fois plus rapide que SCGFM sur des graphes synthétiques de 1 024 nœuds ; sur les benchmarks réels, le résumé annonce des accélérations d’inférence gelée de 44,2× à 85,1×.

Interprétation éditoriale : partager un repère sans effacer le domaine

Un agent qui réutilise un graphe pré-entraîné doit expliciter ce qui est transféré : coordonnées, relations, rôles ou seulement des embeddings. L’atlas sert de contrat commun, tandis que les correspondances locales évitent de réduire une structure hétérogène à un simple vecteur.

Limites et statut de la source

Les gains rapportés dépendent des datasets, du nombre de rôles et des configurations d’inférence comparées. Une performance few-shot sur 14 benchmarks ne garantit pas la conservation de relations importantes dans un domaine inédit. Le coût et la mémoire du pré-entraînement, ainsi que la sensibilité à un atlas mal choisi, doivent être évalués séparément.

Source

« SCGFM-ART: Amortized Relational Transport for Structure-Centric Graph Foundation Models », ArXiv 2609.20419v1 : résumé et preprint, PDF.