成長ネットワークにおける情報の局在化

本論文は、成長ネットワークモデルにおける情報の局在化という概念を紹介し、モデルパラメータに関する情報がしばしば小さなサブグラフ内に含まれることを示しています。これは推論にとって重要な意味を持ち、受容野が限られたグラフニューラルネットワーク（GNN）を使用して、モデルパラメータの事後分布を近似することを可能にします。この研究は、ローカルサブグラフの分析と、尤度フリー推論のためのGNNの使用を理論的に正当化しており、尤度が扱いにくい複雑なネットワークモデルにとって重要です。本論文の知見は、幅広い現実世界の現象をモデル化するために使用される成長ネットワークモデルに対して、計算効率の良い推論を実行する方法を提供するため、重要です。