VS-Graph: Hyperdimensionales Lernen für schnelle, genaue Graphklassifikation
Die Klassifikation von Graphen ist ein zentrales Problem in Bereichen wie Molekülvorhersage und Materialdesign. Während Graph Neural Networks (GNNs) durch Message-Passing‑Techniken starke Ergebnisse liefern, sind sie wegen ihres hohen Rechenaufwands oft nicht skalierbar und schwer auf ressourcenbeschränkten Geräten einsetzbar. Hyperdimensional Computing (HDC), auch als Vector Symbolic Architecture (VSA) bekannt, bietet eine leichtgewichtige, neurowissenschaftlich inspirierte Alternative, doch bisher konnten HDC‑Methoden die Leistungsfähigkeit von GNNs nicht erreichen.
