P-张量：构建高阶消息传递网络的通用形式体系
机器学习
2026-02-05 v2 机器学习
统计理论
统计理论
摘要
近期若干论文提出通过利用子图或其他拓扑结构来增强图神经网络的表达能力。与此同时，研究者也探索了高阶置换等变网络。本文将这两条研究线索结合，为子图神经网络中的高阶置换等变消息传递提供通用框架。我们引入一种称为 -张量（P-tensors）的新型数学对象，它以简洁方式定义了上述两类网络中最通用的置换等变消息传递形式。我们表明，P-张量范式可在基准分子数据集上取得最先进的性能。
引用
@article{arxiv.2306.10767,
title = {P-Tensors: a General Formalism for Constructing Higher Order Message Passing Networks},
author = {Andrew Hands and Tianyi Sun and Risi Kondor},
journal= {arXiv preprint arXiv:2306.10767},
year = {2026}
}