学習可能な空間自己相関フレームワーク「SAIL」発表、グラフ構造データ分析を深化
ピオトル・ケラー (Piotr Keller) 氏らの研究チームは2026年10月20日(現地時間)、グラフ構造データにおける空間自己相関の学習可能な一般化手法「SAIL (Spatial Autocorrelation Index Learner)」と呼ばれる微分可能なフレームワークを発表した。この手法は、高次元のグラフデータに適用が困難だった従来の空間自己相関統計の限界を克服し、特徴量プロジェクションとノード間の近隣アフィニティを同時に学習することを特徴としている。