Deep LEarning on MANifolds and graphs

Informations projet

LEMAN

N° de convention de subvention: 724228

DOI

10.3030/724228

Projet clôturé

Date de signature de la CE 15 Decembre 2016

Date de début 1 Octobre 2017

Date de fin 30 Septembre 2023

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 997 875,00

Contribution de l’UE

€ 1 997 875,00

Coordonné par

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
United Kingdom

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Book chapters (2)

Unsupervised Diffeomorphic Surface Registration and Non-linear Modelling

Auteurs: Balder Croquet, Daan Christiaens, Seth M. Weinberg, Michael Bronstein, Dirk Vandermeulen, Peter Claes
Publié dans: Lecture Notes in Computer Science, Medical Image Computing and Computer Assisted Intervention – MICCAI 2021, 2021, Page(s) 118-128
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-87202-1_12

The Average Mixing Kernel Signature

Auteurs: Luca Cosmo, Giorgia Minello, Michael Bronstein, Luca Rossi, Andrea Torsello
Publié dans: Lecture Notes in Computer Science, Computer Vision – ECCV 2020, 2021, Page(s) 1-17
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-58565-5_1

Conference proceedings (24)

Geometrically Principled Connections in Graph Neural Networks

Auteurs: Shunwang Gong, Mehdi Bahri, Michael M. Bronstein, Stefanos Zafeiriou
Publié dans: 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Numéro 31, 2022, Page(s) 11412-11421
Éditeur: IEEE
DOI: 10.1109/cvpr42600.2020.01143

Beltrami Flow and Neural Diffusion on Graphs

Auteurs: Chamberlain, BP; Rowbottom, J; Eynard, D; Di Giovanni, F; Dong, X; Bronstein, MM
Publié dans: NeurIPS, 2021
Éditeur: neurips
DOI: 10.48550/arxiv.2110.09443

Understanding over-squashing and bottlenecks on graphs via curvature

Auteurs: Topping, J; Di Giovanni, F; Chamberlain, BP; Dong, X; Bronstein, M
Publié dans: ICLR, 2022
Éditeur: ICLR
DOI: 10.48550/arxiv.2111.14522

PeerNets: Exploiting Peer Wisdom Against Adversarial Attacks

Auteurs: Svoboda, Jan; Masci, Jonathan; Monti, Federico; Bronstein, Michael M.; Guibas, Leonidas
Publié dans: ICLR, Numéro 6, 2019
Éditeur: ICLR

Edge Directionality Improves Learning on Heterophilic Graphs

Auteurs: Emanuele Rossi, Bertrand Charpentier, Francesco Di Giovanni, Fabrizio Frasca, Stephan Günnemann, Michael Bronstein
Publié dans: LoG, 2023
Éditeur: log

Gradient Gating for Deep Multi-Rate Learning on Graphs

Auteurs: Rusch, T. Konstantin; Chamberlain, Benjamin P.; Mahoney, Michael W.; Bronstein, Michael; Mishra, Siddhartha
Publié dans: ICML, 2023
Éditeur: icml
DOI: 10.48550/arxiv.2210.00513

DRew: Dynamically Rewired Message Passing with Delay

Auteurs: Benjamin Gutteridge, Xiaowen Dong, Michael Bronstein, Francesco Di Giovanni
Publié dans: ICML, 2023
Éditeur: icml

Neural Sheaf Diffusion: A Topological Perspective on Heterophily and Oversmoothing in GNNs

Auteurs: Bodnar, C; Di Giovanni, F; Chamberlain, BP; Liò, P; Bronstein, M
Publié dans: NeurIPS, 2022
Éditeur: neurips
DOI: 10.48550/arxiv.2202.04579

On Over-Squashing in Message Passing Neural Networks:The Impact of Width, Depth, and Topology

Auteurs: Francesco Di Giovanni, Lorenzo Giusti, Federico Barbero, Giulia Luise, Pietro Lio, Michael Bronstein
Publié dans: ICML, 2023
Éditeur: icml

SpiralNet++: A Fast and Highly Efficient Mesh Convolution Operator

Auteurs: Shunwang Gong, Lei Chen, Michael Bronstein, Stefanos Zafeiriou
Publié dans: 2019 IEEE/CVF International Conference on Computer Vision Workshop (ICCVW), 2022
Éditeur: IEEE
DOI: 10.1109/iccvw.2019.00509

Weisfeiler and Lehman Go Cellular: CW Networks

Auteurs: Bodnar, Cristian; Frasca, Fabrizio; Otter, Nina; Wang, Yu Guang; Liò, Pietro; Montúfar, Guido; Bronstein, Michael
Publié dans: NeurIPS, 2021
Éditeur: neurips
DOI: 10.48550/arxiv.2106.12575

Geometric Deep Learning on Graphs and Manifolds Using Mixture Model CNNs

Auteurs: Federico Monti, Davide Boscaini, Jonathan Masci, Emanuele Rodola, Jan Svoboda, Michael M. Bronstein
Publié dans: 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, Page(s) 5425-5434, ISBN 978-1-5386-0457-1
Éditeur: IEEE
DOI: 10.1109/cvpr.2017.576

Geometric matrix completion with recurrent multi-graph neural networks

Auteurs: F. Monti, M. M. Bronstein, X. Bresson
Publié dans: Neural Information Processing Systems, 2017
Éditeur: NIPS

Efficient Deformable Shape Correspondence via Kernel Matching

Auteurs: Matthias Vestner, Zorah Lahner, Amit Boyarski, Or Litany, Ron Slossberg, Tal Remez, Emanuele Rodola, Alex Bronstein, Michael Bronstein, Ron Kimmel, Daniel Cremers
Publié dans: 2017 International Conference on 3D Vision (3DV), 2017, Page(s) 517-526, ISBN 978-1-5386-2610-8
Éditeur: IEEE
DOI: 10.1109/3dv.2017.00065

Deep Functional Maps: Structured Prediction for Dense Shape Correspondence

Auteurs: Or Litany, Tal Remez, Emanuele Rodola, Alex Bronstein, Michael Bronstein
Publié dans: 2017 IEEE International Conference on Computer Vision (ICCV), 2017, Page(s) 5660-5668, ISBN 978-1-5386-1032-9
Éditeur: IEEE
DOI: 10.1109/iccv.2017.603

MOTIFNET: A MOTIF-BASED GRAPH CONVOLUTIONAL NETWORK FOR DIRECTED GRAPHS

Auteurs: Federico Monti, Karl Otness, Michael M. Bronstein
Publié dans: 2018 IEEE Data Science Workshop (DSW), 2018, Page(s) 225-228, ISBN 978-1-5386-4410-2
Éditeur: IEEE
DOI: 10.1109/dsw.2018.8439897

Graph Neural Networks for IceCube Signal Classification

Auteurs: Nicholas Choma, Federico Monti, Lisa Gerhardt, Tomasz Palczewski, Zahra Ronaghi, Prabhat Prabhat, Wahid Bhimji, Michael Bronstein, Spencer Klein, Joan Bruna
Publié dans: 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), 2018, Page(s) 386-391, ISBN 978-1-5386-6805-4
Éditeur: IEEE
DOI: 10.1109/icmla.2018.00064

Geometric Matrix Completion with Recurrent Multi-Graph Neural Networks

Auteurs: Monti, Federico; Bronstein, Michael M.; Bresson, Xavier
Publié dans: NIPS, Numéro 7, 2017
Éditeur: Nips

Graph Neural Networks for Link Prediction with Subgraph Sketching

Auteurs: Chamberlain, Benjamin Paul; Shirobokov, Sergey; Rossi, Emanuele; Frasca, Fabrizio; Markovich, Thomas; Hammerla, Nils; Bronstein, Michael M.; Hansmire, Max
Publié dans: ICLR, Numéro 7, 2023
Éditeur: icml
DOI: 10.48550/arxiv.2209.15486

Partition and Code: Learning how to compress graphs

Auteurs: Giorgos Bouritsas; Loukas, A.; Karalias, N.; Bronstein, M. M.
Publié dans: Neurips, Numéro 1, 2021
Éditeur: Neurips
DOI: 10.48550/arxiv.2107.01952

Understanding and Extending Subgraph GNNs by Rethinking Their Symmetries

Auteurs: Frasca, F; Bevilacqua, B; Bronstein, M; Maron, H
Publié dans: NeurIPS, 2022
Éditeur: Neurips
DOI: 10.48550/arxiv.2206.11140

GRAND: Graph Neural Diffusion

Auteurs: Chamberlain, Benjamin Paul; Rowbottom, James; Gorinova, Maria; Webb, Stefan; Rossi, Emanuele; Bronstein, Michael M.
Publié dans: ICML, Numéro 9, 2021
Éditeur: ICML
DOI: 10.48550/arxiv.2106.10934

Neural 3D Morphable Models: Spiral Convolutional Networks for 3D Shape Representation Learning and Generation

Auteurs: Giorgos Bouritsas, Sergiy Bokhnyak, Stylianos Ploumpis, Stefanos Zafeiriou, Michael Bronstein
Publié dans: 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2022
Éditeur: IEEE
DOI: 10.1109/iccv.2019.00731

Equivariant Subgraph Aggregation Networks

Auteurs: Bevilacqua, Beatrice; Frasca, Fabrizio; Lim, Derek; Srinivasan, Balasubramaniam; Cai, Chen; Balamurugan, Gopinath; Bronstein, Michael M.; Maron, Haggai
Publié dans: ICLR, 2022
Éditeur: iclr
DOI: 10.48550/arxiv.2110.02910

Peer reviewed articles (18)

Nonisometric Surface Registration via Conformal Laplace–Beltrami Basis Pursuit

Auteurs: Stefan C. Schonsheck, Michael M. Bronstein, Rongjie Lai
Publié dans: Journal of Scientific Computing, Numéro 86, 2021, ISSN 0885-7474
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10915-020-01390-y

Predicting anticancer hyperfoods with graph convolutional networks

Auteurs: Guadalupe Gonzalez, Shunwang Gong, Ivan Laponogov, Michael Bronstein, Kirill Veselkov
Publié dans: Human Genomics, Numéro 15, 2023, ISSN 1479-7364
Éditeur: Springer Nature
DOI: 10.1186/s40246-021-00333-4

Alzheimer’s disease: using gene/protein network machine learning for molecule discovery in olive oil

Auteurs: Luís Rita, Natalie R. Neumann, Ivan Laponogov, Guadalupe Gonzalez, Dennis Veselkov, Domenico Pratico, Reza Aalizadeh, Nikolaos S. Thomaidis, David C. Thompson, Vasilis Vasiliou, Kirill Veselkov
Publié dans: Human Genomics, Numéro 17, 2023, ISSN 1479-7364
Éditeur: Springer Nature
DOI: 10.1186/s40246-023-00503-6

Auto-deconvolution and molecular networking of gas chromatography–mass spectrometry data

Auteurs: Alexander A. Aksenov, Ivan Laponogov, Zheng Zhang, Sophie L. F. Doran, Ilaria Belluomo, Dennis Veselkov, Wout Bittremieux, Louis Felix Nothias, Mélissa Nothias-Esposito, Katherine N. Maloney, Biswapriya B. Misra, Alexey V. Melnik, Aleksandr Smirnov, Xiuxia Du, Kenneth L. Jones, Kathleen Dorrestein, Morgan Panitchpakdi, Madeleine Ernst, Justin J. J. van der Hooft, Mabel Gonzalez, Chiara Carazzone,
Publié dans: Nature Biotechnology, Numéro 39, 2023, Page(s) 169-173, ISSN 1087-0156
Éditeur: Nature Publishing Group
DOI: 10.1038/s41587-020-0700-3

Differentiable Graph Module (DGM) for Graph Convolutional Networks

Auteurs: Anees Kazi, Luca Cosmo, Seyed-Ahmad Ahmadi, Nassir Navab, Michael M. Bronstein
Publié dans: IEEE Transactions on Pattern Analysis and Machine Intelligence, Numéro 45, 2023, Page(s) 1606-1617, ISSN 0162-8828
Éditeur: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tpami.2022.3170249

De novo design of protein interactions with learned surface fingerprints

Auteurs: Pablo Gainza, Sarah Wehrle, Alexandra Van Hall-Beauvais, Anthony Marchand, Andreas Scheck, Zander Harteveld, Stephen Buckley, Dongchun Ni, Shuguang Tan, Freyr Sverrisson, Casper Goverde, Priscilla Turelli, Charlène Raclot, Alexandra Teslenko, Martin Pacesa, Stéphane Rosset, Sandrine Georgeon, Jane Marsden, Aaron Petruzzella, Kefang Liu, Zepeng Xu, Yan Chai, Pu Han, George F. Gao, Elisa Oricchio,
Publié dans: Nature, Numéro 617, 2023, Page(s) 176-184, ISSN 0028-0836
Éditeur: Nature Publishing Group
DOI: 10.1038/s41586-023-05993-x

Geometric Deep Learning: Going beyond Euclidean data

Auteurs: Michael M. Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, Pierre Vandergheynst
Publié dans: IEEE Signal Processing Magazine, Numéro 34/4, 2017, Page(s) 18-42, ISSN 1053-5888
Éditeur: Institute of Electrical and Electronics Engineers
DOI: 10.1109/msp.2017.2693418

Interactive curve constrained functional maps

Auteurs: A. Gehre, M. M. Bronstein, L. Kobbelt, J. Solomon
Publié dans: Computer Graphics Forum, 2018, ISSN 1467-8659
Éditeur: Wiley
DOI: 10.1111/cgf.13486

Kernel functional maps

Auteurs: L. Wang, A. Gehre, M. M. Bronstein, J. Solomon
Publié dans: Computer Graphics Forum, 2018, ISSN 1467-8659
Éditeur: Wiley
DOI: 10.1111/cgf.13488

Improved Functional Mappings via Product Preservation

Auteurs: D. Nogneng, S. Melzi, E. Rodolà, U. Castellani, M. Bronstein, M. Ovsjanikov
Publié dans: Computer Graphics Forum, Numéro 37/2, 2018, Page(s) 179-190, ISSN 0167-7055
Éditeur: Blackwell Publishing Inc.
DOI: 10.1111/cgf.13352

Functional Maps Representation On Product Manifolds

Auteurs: E. Rodolà, Z. Lähner, A. M. Bronstein, M. M. Bronstein, J. Solomon
Publié dans: Computer Graphics Forum, Numéro 38/1, 2018, Page(s) 678-689, ISSN 0167-7055
Éditeur: Blackwell Publishing Inc.
DOI: 10.1111/cgf.13598

CayleyNets: Graph Convolutional Neural Networks With Complex Rational Spectral Filters

Auteurs: Ron Levie, Federico Monti, Xavier Bresson, Michael M. Bronstein
Publié dans: IEEE Transactions on Signal Processing, Numéro 67/1, 2019, Page(s) 97-109, ISSN 1053-587X
Éditeur: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tsp.2018.2879624

Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning

Auteurs: P. Gainza, F. Sverrisson, F. Monti, E. Rodolà, D. Boscaini, M. M. Bronstein, B. E. Correia
Publié dans: Nature Methods, 2020, ISSN 1548-7091
Éditeur: Nature Publishing Group
DOI: 10.1038/s41592-019-0666-6

Using attribution to decode binding mechanism in neural network models for chemistry

Auteurs: Kevin McCloskey, Ankur Taly, Federico Monti, Michael P. Brenner, Lucy J. Colwell
Publié dans: Proceedings of the National Academy of Sciences, 2018, Page(s) 201820657, ISSN 0027-8424
Éditeur: National Academy of Sciences
DOI: 10.1073/pnas.1820657116

Network machine learning maps phytochemically rich “Hyperfoods” to fight COVID-19

Auteurs: Ivan Laponogov, Guadalupe Gonzalez, Madelen Shepherd, Ahad Qureshi, Dennis Veselkov, Georgia Charkoftaki, Vasilis Vasiliou, Jozef Youssef, Reza Mirnezami, Michael Bronstein, Kirill Veselkov
Publié dans: Human Genomics, Numéro 15, 2024, ISSN 1479-7364
Éditeur: Springer Media
DOI: 10.1186/s40246-020-00297-x

HyperFoods: Machine intelligent mapping of cancer-beating molecules in foods

Auteurs: Kirill Veselkov, Guadalupe Gonzalez, Shahad Aljifri, Dieter Galea, Reza Mirnezami, Jozef Youssef, Michael Bronstein, Ivan Laponogov
Publié dans: Scientific Reports, Numéro 9, 2022, ISSN 2045-2322
Éditeur: Nature Publishing Group
DOI: 10.1038/s41598-019-45349-y

Shape My Face: Registering 3D Face Scans by Surface-to-Surface Translation

Auteurs: Mehdi Bahri, Eimear O’ Sullivan, Shunwang Gong, Feng Liu, Xiaoming Liu, Michael M. Bronstein, Stefanos Zafeiriou
Publié dans: International Journal of Computer Vision, Numéro 129, 2023, Page(s) 2680-2713, ISSN 0920-5691
Éditeur: Kluwer Academic Publishers
DOI: 10.1007/s11263-021-01494-4

Genomic-driven nutritional interventions for radiotherapy-resistant rectal cancer patient

Auteurs: Joshua Southern, Guadalupe Gonzalez, Pia Borgas, Liam Poynter, Ivan Laponogov, Yoyo Zhong, Reza Mirnezami, Dennis Veselkov, Michael Bronstein, Kirill Veselkov
Publié dans: Scientific Reports, Numéro 13, 2023, ISSN 2045-2322
Éditeur: Nature Publishing Group
DOI: 10.1038/s41598-023-41833-8

Other (9)

Learning Interpretable Disease Self-Representations for Drug Repositioning

Auteurs: Frasca, F; Galeano, D; Gonzalez, G; Laponogov, I; Veselkov, K; Paccanaro, A; Bronstein, MM
Publié dans: arxiv, Numéro 21, 2019
Éditeur: arxiv
DOI: 10.48550/arxiv.1909.06609

Decoding Surface Fingerprints for Protein-Ligand Interactions

Auteurs: Ilia Igashov, Arian R. Jamasb, Ahmed Sadek, Freyr Sverrisson, Arne Schneuing, Pietro Liò, Tom L. Blundell, Michael Bronstein, Bruno Correia
Publié dans: bioarxiv, 2022
Éditeur: Cold Spring Harbor Laboratory
DOI: 10.1101/2022.04.26.489341

Unsupervised Network Embedding Beyond Homophily

Auteurs: Zhong, Zhiqiang; Gonzalez, Guadalupe; Grattarola, Daniele; Pang, Jun
Publié dans: arxiv, 2022
Éditeur: arxiv
DOI: 10.48550/arxiv.2203.10866

Combinatorial prediction of therapeutic perturbationsusing causally-inspired neural networks

Auteurs: Guadalupe Gonzalez, Isuru Herath, Kirill Veselkov, Michael Bronstein, Marinka Zitnik
Publié dans: bioarxiv, 2024
Éditeur: bioarxiv

Structure-based Drug Design with Equivariant Diffusion Models

Auteurs: Schneuing, Arne; Du, Yuanqi; Harris, Charles; Jamasb, Arian; Igashov, Ilia; Du, Weitao; Blundell, Tom; Lió, Pietro; Gomes, Carla; Welling, Max; Bronstein, Michael; Correia, Bruno
Publié dans: bioarxiv, 2022
Éditeur: bioarxiv
DOI: 10.48550/arxiv.2210.13695

Fake News Detection on Social Media using Geometric Deep Learning

Auteurs: Monti, Federico; Frasca, Fabrizio; Eynard, Davide; Mannion, Damon; Bronstein, Michael M.
Publié dans: arxiv, Numéro 10, 2019
Éditeur: arxiv
DOI: 10.48550/arxiv.1902.06673

Fake News Detection on Social Media using Geometric Deep Learning

Auteurs: Monti, Federico; Frasca, Fabrizio; Eynard, Davide; Mannion, Damon; Bronstein, Michael M.
Publié dans: Numéro 2, 2019
Éditeur: arxiv

Dual-Primal Graph Convolutional Networks

Auteurs: Monti, Federico; Shchur, Oleksandr; Bojchevski, Aleksandar; Litany, Or; Günnemann, Stephan; Bronstein, Michael M.
Publié dans: Numéro 5, 2018
Éditeur: arxiv

Heterogeneous manifolds for curvature-aware graph embedding

Auteurs: Di Giovanni, Francesco; Luise, Giulia; Bronstein, Michael
Publié dans: arxiv, 2022
Éditeur: arxiv
DOI: 10.48550/arxiv.2202.01185

Droits de propriété intellectuelle

Patent (1)

System and a method for learning features on geometric domains

Numéro de demande/publication: us 10210430
Date: 2016-01-22
Demandeur(s): UNIVERSITA DELLA SVIZZERA ITALIANA