يمكن اعتبار العديد من التحسينات على شبكات الجراف العصبية (GNNs) كعمليات على الطيف المصفوفي للجراف الأساسي، مما يحثنا على دراسة مباشرة خصائص هذا الطيف وتأثيراته على أداء شبكات الجراف العصبية. من خلال تعميم معظم الأطر المعمارية الحالية لشبكات الجراف العصبية، نوضح أن مشكلة الارتباط الناجمة عن الطيف غير الملساء ($unsmooth$unsmooth) تصبح العائق أمام الاستفادة من مرشحات الجراف الأكثر قوة وكذلك تطوير الأطر المعمارية العميقة، مما يحد من أداء شبكات الجراف العصبية. مستوحىً من هذا الأمر، نقترح الإطار المعماري الخالي من الارتباط الذي يزيل بشكل طبيعي مشكلة الارتباط بين القنوات المختلفة، مما يجعله ممكناً استخدام مرشحات أكثر تعقيداً داخل كل قناة. الإطار المعماري الخالي من الارتباط مع مرشحات أكثر قوة يعزز باستمرار أداء تعلم تمثيلات الجراف. الرمز البرمجي متاح في https://github.com/qslim/gnn-spectrum.