idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Machine Learning for Complex Networks: From GNNs to Causal Graph Learning
Abstract: Apart from graph data that capture which of a system's elements are connected, we increasingly have access to high-resolution time series data that captures when and in which order those connections occur. Due to the arrow of time, the temporal order of those connections shapes the causal topology of dynamic graphs, i.e. which nodes can possibly causally influence each other over time. This leads to non-trivial effects that must be accounted for in graph analytics and (deep) graph learning.
Addressing this issue, I will show that higher-order De Bruijn Graphs can help us to better understand how the arrow of time influences the causal topology of dynamic graphs. Apart from improving our understanding of social, technical and biological networks with dynamic topologies, these models are the theoretical foundation for De Bruijn Graph Neural Networks, a new time-aware deep learning architecture for temporal graph data. Accounting for temporal-topological patterns in temporal graphs, our approach facilitates deep graph learning in time series data on complex networks.
Sidenote: This talk takes place in close context to the BIFOLD workshop "AI-based Methods for the Humanities." https://www.bifold.berlin/news-events/events/view/event-details/ai-based-methods...
Bio: Prof. Dr. Ingo Scholtes heads the CAIDAS-Chair of Computer Science – Machine Learning for Complex Networks at the Center for Artificial Intelligence and Data Science of Julius-Maximilians-Universität Würzburg. His research addresses open questions at the intersection of network science, (deep) graph learning, and computational social science. He has extensive experience applying network science and machine learning to diverse fields, including information systems, software engineering, ecology, biology, and physics. A summary of his foundational work on higher-order graph models was published in Nature Physics. In 2014, he was awarded a Junior Fellowship from the German Informatics Society. In 2018, he received an SNSF Professorship with funding of CHF 1.5 million from the Swiss National Science Foundation. Prof. Scholtes is the founding co-chair of the Computational Social Science Section of the German Informatics Society (GI e.V.) and serves as associate editor of EPJ Data Science and Advances in Complex Systems.
Hinweise zur Teilnahme:
Termin:
25.09.2025 16:00 - 17:00
Veranstaltungsort:
Technische Universität Berlin
Einsteinufer 17
Room EN 148
10587 Berlin
Berlin
Deutschland
Zielgruppe:
Studierende, Wissenschaftler
E-Mail-Adresse:
Relevanz:
regional
Sachgebiete:
Geschichte / Archäologie, Informationstechnik
Arten:
Vortrag / Kolloquium / Vorlesung
Eintrag:
15.09.2025
Absender:
Jean-Paul Olivier
Abteilung:
Communications
Veranstaltung ist kostenlos:
ja
Textsprache:
Englisch
URL dieser Veranstaltung: http://idw-online.de/de/event80023
Title BIFOLD Colloquium 10/2025 Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
