Predicting Dynamics on Hypergraphs with Graph Attention Networks

这篇论文解决什么问题？

这篇论文把研究对象从普通边关系推进到 hypergraph dynamics。它关心的问题是：当多个节点以团、单纯形或超边方式同时相互作用时，传统二元网络指标是否仍然足够，以及怎样刻画新的结构重要性和动力学影响。

方法与技术路线

方法上侧重把网络拓扑、节点属性、时序关系或高阶结构编码成模型可学习的表示，再用于阈值预测、动态预测、分类、推荐或影响力估计。

主要贡献

从题名和公开索引信息看，论文的贡献在于把“hypergraph dynamics”变成一个可被计算、比较或预测的网络科学问题。它为李聪教授关于复杂网络结构、传播动力学、网络控制和 AI+网络的研究谱系补上了一个具体切面。

阅读提示

阅读这篇论文时，可以把题名、作者、年份、期刊/会议和主题词放在一起理解：它属于李聪（Cong Li）在复旦大学未来信息创新学院围绕复杂网络、网络科学与高阶网络与超图形成的研究脉络。本页先给出公开书目信息，再用中文梳理研究问题、方法路线和主要贡献，便于读者快速判断它与相关研究方向的关系。

论文定位

Predicting Dynamics on Hypergraphs with Graph Attention Networks 是李聪（Cong Li）在 高阶网络与超图 方向的代表性论文之一，公开索引信息显示其发表于 2025 International Conference on Big Data and Artificial Intelligence, 2025。从研究主题看，该工作与复旦大学未来信息创新学院复杂网络、网络科学与 AI+网络研究谱系中的相关问题相互呼应。