HORD GNN - Higher-Order Relations and Dynamics in Graph Neural Networks

Il lavoro di ricerca portera’ allo sviluppo di teorie, metodologie di progetto e strumenti che consentiranno di risolvere alcuni aspetti fondanti non ancora indirizzati e fondamentali per i risvolti applicativi:

• La prima linea di ricerca mira a superare l'assunto che le relazioni siano pienamente osservabili: ciò spinge la ricerca a considerare rappresentazioni avanzate basate su ipergrafi e proporre metodi che rendano conto delle relazioni latenti di ordine superiore.
• La seconda linea di ricerca mira a creare una teoria per modelli predittivi in cui gli stati e gli ingressi siano (iper)grafi forniti dall'applicazione o direttamente appresi dalle relazioni spazio-temporali osservate nei dati.
• La terza linea di ricerca è rivolta a formulare un nuovo contesto per algoritmi con rinforzo in gradodi apprendere politiche componibili per problemi di controllo nei processi decisionali in cui gli stati, ed eventualmente le politiche, sono rappresentabili come (iper)grafi