本文介绍如何利用图神经网络（GNN）构建异常检测模型，以解决高能物理中的异常检测问题。模型通过 GIN 层处理图数据，对节点特征应用 MLP 变换并聚合邻居信息。该方法旨在通过关注非同构图测试，区分背景信号和新信号，从而提升高能物理中异常检测的准确性。
本文介绍如何利用图神经网络（GNN）构建异常检测模型，以解决高能物理中的异常检测问题。模型通过 GIN 层处理图数据，对节点特征应用 MLP 变换并聚合邻居信息。该方法旨在通过关注非同构图测试，区分背景信号和新信号，从而提升高能物理中异常检测的准确性。