Graph Signal Processing als Basis für neuro-symbolische Logik

Eine neue Forschungsarbeit präsentiert eine vollständig spektrale neuro-symbolische Architektur, die Graph Signal Processing (GSP) als zentrale Rechenbasis nutzt. Im Gegensatz zu bisherigen Modellen, die spektrale Graphmethoden lediglich als Nebenkomponente einsetzen, wird hier der gesamte Denkprozess im Graphenspektralbereich formuliert.

Logische Entitäten und Beziehungen werden als Graphsignale kodiert und durch lernbare spektrale Filter verarbeitet, die die Informationsweitergabe über mehrere Skalen steuern. Anschließend werden die Filterausgaben in symbolische Prädikate überführt, die für regelbasierte Inferenz genutzt werden. Der Ansatz umfasst ein vollständiges mathematisches Rahmenwerk, das Graph-Fourier-Transformationen, bandselektive Aufmerksamkeit und spektrale Regelgrundlegung integriert.

In Experimenten mit den Benchmark-Datensätzen ProofWriter, EntailmentBank, bAbI, CLUTRR und ARC‑Challenge zeigte die neue Architektur signifikante Verbesserungen in logischer Konsistenz, Interpretierbarkeit und Rechenleistung gegenüber aktuellen neuro-symbolischen Modellen. Die Ergebnisse unterstreichen, dass GSP ein mathematisch fundiertes und zugleich effizientes Fundament für robuste und nachvollziehbare Reasoning‑Systeme bietet.