تستخدم الهياكل الحالية للشبكات العصبية الرسومية (GNN) مخططًا لجمع الجيران حول الرؤوس، مما يحد من قدرتها التمييزية إلى حدود اختبار التماثل الرسومي ويسفيلر-ليهمن من الدرجة الأولى (1D WL). في هذا العمل، نقترح مشغل ت.Convolution رسوميًا جديدًا يعتمد على اختبار ويسفيلر-ليهمن من الدرجة الثانية (2D WL). ونُظهر رسميًا أن المعمارية الناتجة، المعروفة بـ 2-WL-GNN، أكثر تمييزًا من الطرق الحالية للـ GNN. ويُكمل هذا النتيجة النظرية بدراسات تجريبية تستخدم بيانات صناعية وبيانات حقيقية. وعلى عدة معايير شائعة لتصنيف الرسوم البيانية، نُظهر أن النموذج المقترح يتنافس بفعالية مع أحدث نماذج kernels الرسومية والـ GNNs.