# 交互图

该工作把多个互相消费合成数据的生成模型建模为有向加权图上的节点，用重训练动力学的雅可比与比较矩阵推导出局部渐近稳定的充分条件，并给出固定点处系统多样性的上界，表明稳定性由局部放大因子与图传播共同决定，而合成数据消费会产生依赖拓扑的平滑效应、压缩模型间差异；在8模态高斯数据与CIFAR-10上，多种生成模型与多种交互拓扑的实验趋势与理论预测一致。

该工作把多个互相消费合成数据的生成模型建模为有向加权图上的节点，用重训练动力学的雅可比与比较矩阵推导出局部渐近稳定的充分条件，并给出固定点处系统多样性的上界，表明稳定性由局部放大因子与图传播共同决定，而合成数据消费会产生依赖拓扑的平滑效应、压缩模型间差异；在8模态高斯数据与CIFAR-10上，多种生成模型与多种交互拓扑的实验趋势与理论预测一致。

该研究提出 AlloPool——一个基于图神经网络、通过时间注意力与迭代边池化从平衡与非平衡分子动力学轨迹中学习最小化、随时间演化的残基相互作用网络的框架，在 Pin1、GAIN 机械感受域、D2 与 β1 肾上腺素受体、SdrG 黏附素、PDZ3 及 Engrailed 同源域等体系中以亚埃级 RMSD 重建轨迹，并据此映射别构通路、预测配体药理学、力学加载状态与突变效应。

该研究提出 AlloPool——一个基于图神经网络、通过时间注意力与迭代边池化从平衡与非平衡分子动力学轨迹中学习最小化、随时间演化的残基相互作用网络的框架，在 Pin1、GAIN 机械感受域、D2 与 β1 肾上腺素受体、SdrG 黏附素、PDZ3 及 Engrailed 同源域等体系中以亚埃级 RMSD 重建轨迹，并据此映射别构通路、预测配体药理学、力学加载状态与突变效应。