異構圖神經網路

深度分析

以異構GNN實現圖基礎模型：HydraGNN 在大規模 OPF 預訓練與微調的成果

智慧電網需快速且可靠的最佳潮流(OPF)近似。本文採HydraGNN構建可擴展異構圖神經網路，保留母網多類節點與關係並進行全案例預訓練與領導級超參數搜尋。實驗橫跨十個PGLib案例與約三百萬圖樣本，結果顯示兩種異構骨幹在緊湊參數下取得最低驗證損失並提升下游微調效率。