Verbund: 05M2020 - MaGriDo - Expressivität und Interpretierbarkeit von tiefen Graphnetzwerken für Anwendungen in den Materialwissenschaften

Abstract

Das Projekt „MaGriDo“ untersuchte die Expressivität und Interpretierbarkeit von Graph Neural Networks (GNNs) und entwickelte Methoden zur Verbesserung dieser Modelle. Die erzielten Ergebnisse zeigen signifikante Fortschritte in der Fähigkeit von GNNs, komplexe Substrukturen zu erkennen und interpretierbare Erklärungen zu generieren. Zukünftige Forschungsrichtungen wurden identifiziert, darunter die Untersuchung kausaler Metriken und kontrafaktischer Erklärungen sowie die Entwicklung selbsterklärender dynamischer GNNs. Datei-Upload durch TIB