لقد حققت الشبكات العصبية الرسومية نجاحات كبيرة مؤخرًا في توقع الخصائص الميكانيكية الكمومية للجزيئات. تمثل هذه النماذج الجزيء كرسم بياني باستخدام المسافة فقط بين الذرات (العقد)، ولكنها لا تأخذ بعين الاعتبار الاتجاه الفضائي من ذرة إلى أخرى، رغم أن المعلومات الاتجاهية تلعب دورًا محوريًا في الاحتمالات التجريبية للجزيئات، مثل الاحتمالات الزاوية. وللتخفيف من هذه القيود، نقترح ما يُعرف بـ "نقل الرسائل الاتجاهية"، حيث نُدمج الرسائل التي تُنقل بين الذرات بدلًا من الذرات نفسها. كل رسالة مرتبطة باتجاه في الفضاء الإحداثي. وتكون هذه التمثيلات الاتجاهية للرسائل متماثلة تجاه الدوران (rotationally equivariant)، لأن الاتجاهات المرتبطة بها تدور مع الجزيء. ونُقدّم مخطط نقل الرسائل المشابه لنقل الإيمان (belief propagation)، والذي يستخدم المعلومات الاتجاهية من خلال تحويل الرسائل بناءً على الزاوية بينها. بالإضافة إلى ذلك، نستخدم دوال بيسيل الكروية والدوال التوافقية الكروية لبناء تمثيلات نظرية مبنية على أساس قوي ومتORTHOGONAL، والتي تحقق أداءً أفضل من التمثيلات الشائعة حاليًا باستخدام دوال الأساس التربيعية الغاوسية، مع استخدام أقل من ربع عدد المعاملات. ونستفيد من هذه الابتكارات لبناء شبكة عصبية تُعرف بـ "DimeNet" (الشبكة العصبية لنقل الرسائل الاتجاهية). وقد أظهرت DimeNet تفوقًا متوسطًا بنسبة 76٪ على مجموعة بيانات MD17، وبنسبة 31٪ على مجموعة QM9، مقارنة بالشبكات العصبية الرسومية السابقة. ويتوفر تنفيذنا مفتوحًا على الإنترنت.