通过可观测量理解图神经网络中的信号传播
机器学习
2026-05-14 v1
摘要
图神经网络 (GNN) 通过图偏移算子或消息传递方案将信号在图区域之间路由。信号的传播常导致信息损失，信号倾向于在图上扩散，而非针对感兴趣区域进行有针对性的路由。两个表征这一现象的概念是 oversmoothing 和 oversquashing。本文提出了一种替代性建模方法，灵感来自量子力学，使用可观测量 (observable) 的概念。具体而言，我们建模信号所在的位置、信号在该位置的集中程度以及在应用 GNN 时，信号向感兴趣位置传播的程度。利用这些新概念，我们证明标准谱 GNN 在信号传播方面能力较差。随后，我们提出一种新的谱 GNN 类型，称为 Schr"odinger GNN，证明其在跨图路由信号方面具有更好的能力。
引用
@article{arxiv.2605.13383,
title = {Beyond Oversquashing: Understanding Signal Propagation in GNNs Via Observables},
author = {Eden Nagar and Ya-Wei Eileen Lin and Ron Levie},
journal= {arXiv preprint arXiv:2605.13383},
year = {2026}
}