COMBA: Neue Methode für große Graphen mit State Space Modellen

Die neueste Veröffentlichung auf arXiv (2602.17893v1) stellt COMBA vor – eine innovative Technik, die State‑Space‑Modelle (SSMs) für die Verarbeitung sehr großer Graphen einsetzt. SSMs haben sich bereits als effiziente Alternative zu komplexen Modellen wie Transformers bei sequentiellen Daten etabliert, doch ihre Anwendung auf Graphen war bislang durch die Notwendigkeit, Graphen in Sequenzen umzuwandeln, stark eingeschränkt.

COMBA löst dieses Problem mit zwei zentralen Neuerungen: dem „Graph Context Gating“ und der „Cross‑Batch Aggregation“. Der Graph Context berücksichtigt unterschiedliche Nachbarschaftshops für jedes Knotenpaar und ermöglicht so eine gezielte Steuerung der Aggregation von Nachbarknoten. Durch die Cross‑Batch Aggregation werden Knoten in Batches verarbeitet, wobei die Informationen über mehrere Batches hinweg zusammengeführt werden. Diese Vorgehensweise reduziert die Rechenkosten erheblich und erlaubt die Skalierung auf sehr große Graphen.

Die theoretische Analyse zeigt, dass die Cross‑Batch Aggregation die Fehlerquote im Vergleich zu herkömmlichen GNN‑Trainingsverfahren senkt. Praktische Experimente an etablierten Benchmark‑Netzwerken bestätigen die Leistungssteigerung und demonstrieren, dass COMBA bestehende Ansätze deutlich übertrifft. Der Code sowie die Benchmark‑Datensätze werden öffentlich zugänglich gemacht, sodass die Forschungsgemeinschaft die Methode sofort nutzen und weiterentwickeln kann.