Naukowcy przedstawili LaSFM - Laplacian-Constrained Stiefel Flow Matching, nową metodę do generowania grafów poprzez spektralne właściwości ich macierzy Laplaciana. Problem polega na tym, że przy generowaniu eigenvalues i eigenvectors trzeba utrzymać wszystkie matematyczne ograniczenia charakterystyczne dla grafów, a wcześniejsze podejścia tego nie robiły w pełni.
Metoda opiera się na flow matching przeprowadzonym na specjalnej, ograniczonej przestrzeni matematycznej zwanej rozmaitością Stiefel'a. Autorzy zadbali o zachowanie trzech kluczowych warunków: ortogonalności eigenvectorów, dodatniości eigenvalues oraz - co było główną nowością - warunku nullspace macierzy Laplaciana, czyli jej zdegenerowanego kierunku odpowiadającego całkowitemu natężeniu w grafie. To ostatnie ograniczenie było pominięte w dotychczasowych podejściach, co prowadziło do matematycznie niespójnych struktur.
Ważnym rozszerzeniem jest możliwość property-guided generation, czyli sterowania procesem tworzenia grafów w kierunku pożądanych właściwości - np. konkretnego rozkładu stopni wierzchołków czy liczby krawędzi - bez utraty matematycznej poprawności. Eksperymenty wykazały, że LaSFM osiąga lepsze wyniki zarówno na tradycyjnych metrikach spektralnych (porównując generated eigenvalues z rzeczywistymi), jak i na właściwościach całych grafów, jednocześnie lepiej zbliżając się do zadanych celów.