Hong, S., Kim, J., Zaghen, O., Suleymanzade, A., & Ryou, Y. (2025). Revisiting Random Walks for Learning on Graphs. In International Conference on Learning Representations, ICLR 2025 https://doi.org/10.48550/arXiv.2407.01214
Zaghen, O., Madeira, M., Toni, L., & Frossard, P. (2025). Graph Discrete Diffusion: a Spectral Study. In ICLR 2025 Workshop on Deep Generative Model in Machine Learning: Theory, Principle and Efficacy
2025
Carrasco, M., Zaghen, O., Sumaraj, K., Bekkers, E., & Rieck, B. (2025). Graph Homomorphism Distortion: A Metric to Distinguish Them All and in the Latent Space Bind Them. ArXiv. https://doi.org/10.48550/arXiv.2511.03068
2026
Zaghen, O., Eijkelboom, F., Pouplin, A., Liu, C., Welling, M., van de Meent, J.-W., & Bekkers, E. J. (2026). Riemannian Variational Flow Matching for Material and Protein Design. Paper presented at 14th International Conference on Learning Representations, Rio de Janeiro, Brazil. https://doi.org/10.48550/arXiv.2502.12981[details]
Zaghen, O., Eijkelboom, F., Pouplin, A., & Bekkers, E. J. (2025). Towards Variational Flow Matching on General Geometries. Paper presented at ICLR 2025 Workshop on Deep Generative Model in Machine Learning: Theory, Principle and Efficacy, Singapore, Singapore. https://doi.org/10.48550/arXiv.2502.12981[details]
De UvA gebruikt cookies voor het meten, optimaliseren en goed laten functioneren van de website. Ook worden er cookies geplaatst om inhoud van derden te kunnen tonen en voor marketingdoeleinden. Klik op ‘Accepteren’ om akkoord te gaan met het plaatsen van alle cookies. Of kies voor ‘Weigeren’ om alleen functionele en analytische cookies te accepteren. Je kunt je voorkeur op ieder moment wijzigen door op de link ‘Cookie instellingen’ te klikken die je onderaan iedere pagina vindt. Lees ook het UvA Privacy statement.