Neural Relational Inference（神经关系推断）

神经关系推断（NRI）由Kipf等人于2018年提出，旨在从时间序列数据中推断实体间的交互图并预测未来状态。模型包含编码器（推断潜在交互图）和解码器（基于图神经网络预测动力学）。编码器使用图神经网络处理观测轨迹，输出边类型的后验分布；解码器根据采样的图预测下一步状态。NRI在物理系统（如弹簧、电荷）和运动捕捉数据上表现良好，能够发现真实的交互结构。后续工作扩展至更复杂的场景，如非马尔可夫动力学和层次关系。