تُقدّم هذه الدراسة معمارية عصبية مكونة من مرحلتين لتعلم وتحسين التوافقيات الهيكلية بين الرسوم البيانية. أولاً، نستخدم تمثيلات العقد الموضعية التي تُحسب بواسطة شبكة عصبية رسومية للحصول على ترتيب أولي للتوافقيات اللينة بين العقد. ثانياً، نستخدم شبكات تمرير الرسائل المتزامنة لإعادة ترتيب التوافقيات اللينة بشكل تكراري، بهدف الوصول إلى اتفاق مطابقة في الجيران المحليين بين الرسوم البيانية. ونُظهر نظريًا وتجريبيًا أن مخطط تمرير الرسائل لدينا يحسب قياسًا مدعومًا بشكل جيد لاتفاق الجيران المقابلة، والذي يُستخدم بعدها لتوجيه عملية إعادة الترتيب التكرارية. تتميز معماريتنا التي تعتمد بالكامل على العناصر المحلية وتعمل بذكاء على التمييز بين الندرة (sparsity-aware) بقابلية التوسع الجيدة لواجهات كبيرة وواقعية، مع القدرة على استرجاع التوافقيات العالمية بشكل متسق. ونُظهر الفعالية العملية لطريقتنا في مهام واقعية من مجالات الرؤية الحاسوبية وتوافق الكيانات بين الرسوم المعرفية، حيث نتحسن على الحد الأدنى الحالي للحالة الحالية. يتوفر الكود المصدري لدينا عبر الرابط: https://github.com/rusty1s/deep-graph-matching-consensus.