تشهد مجالات الذكاء الاصطناعي تطورًا متسارعًا، ومن أبرز الابتكارات في هذا المجال نماذج الرسوم البيانية (Graph Transformers) التي أثبتت فعاليتها الكبيرة في نمذجة الهياكل الرسومية. هذه النماذج تعالج العديد من القيود الموجودة في الشبكات العصبية الرسومية (GNNs) مثل مشكلة التنعيم المفرط والتقليص المفرط.

في الآونة الأخيرة، تم اقتراح هياكل معمارية متنوعة لتحسين قابلية الفهم والتطبيق العملي لنماذج الرسوم البيانية. لذلك، نعمل في هذا المقال على تقديم مراجعة شاملة حول نماذج الرسوم البيانية، متناولين جوانب متعددة تشمل الهياكل، الأسس النظرية، والتطبيقات العملية.

أولاً، نقوم بتصنيف الهياكل المعمارية لهذه النماذج وفقًا لاستراتيجيات معالجة المعلومات الهيكلية، مثل ترميز الرسم البياني (graph tokenization)، والتشفير المكاني (positional encoding)، والانتباه القائم على الهيكل (structure-aware attention)، وتجمع النماذج (model ensemble).

ثم نقوم، من منظور نظري، بفحص قدرة نماذج الرسوم البيانية عبر الهياكل المختلفة التي تم مناقشتها، مع تقديم مقارنات مع خوارزميات التعلم الرسومي المتقدمة الأخرى لاكتشاف الروابط بينها. أما بالنسبة للتطبيقات، فنظمنا الأدبيات حول أربعة أشكال من التنظيم الرسومي، بدءًا من العلاقات، والهندسة، والحركة، إلى الشكل غير المتجانس.

بدلًا من ذلك، تم إعداد جدول توجيهي عملي يربط بين مكونات العمارة وأشكال الرسوم البيانية وفقًا لتكرار الاعتماد، بحيث يمكن للممارسين تحديد عائلات التصميم التي ينبغي النظر فيها بناءً على بنية الإدخال الخاصة بهم.

في الختام، سنناقش التحديات الحالية والاتجاهات المستقبلية المحتملة في نماذج الرسوم البيانية لأبحاث محتملة مستقبلية قد تغير مسار هذا المجال. هل أنتم مستعدون لاستكشاف المزيد عن هذه الابتكارات؟ شاركونا آرائكم في التعليقات!