Neuere Forschungen im Bereich der Graph Neural Networks (GNN) haben ein kritisches Problem namens "Überkomprimierung" (over-squashing) identifiziert, das auf dem Flaschenhals-Phänomen in Graphstrukturen beruht und die Weitergabe von langreichweitigen Informationen behindert. Vorherige Arbeiten haben verschiedene Konzepte zur Neuaufbereitung von Graphen vorgeschlagen, die darauf abzielen, die räumlichen oder spektralen Eigenschaften von Graphen zu optimieren, um die Signalverbreitung zu fördern. Diese Ansätze verschlechtern jedoch unvermeidlich die ursprüngliche Graphentopologie, was zu einer Verzerrung des Informationsflusses führen kann. Um dieses Problem anzugehen, stellen wir eine erweiterte breitenbewusste Nachrichtenübermittlung (PANDA) vor, ein neues Paradigma der Nachrichtenübermittlung, bei dem Knoten mit hoher Zentralität, potenzielle Quellen der Überkomprimierung, selektiv in Breite erweitert werden, um den zunehmenden Ansturm von Signalen aus fernen Knoten einzukapseln. Experimentelle Ergebnisse zeigen, dass unsere Methode bestehende Neuaufbereitungsverfahren übertrifft und nahelegen, dass das selektive Erweitern des verborgenen Zustands von Knoten eine vielversprechende Alternative zur Neuaufbereitung von Graphen für die Bewältigung der Überkomprimierung sein könnte.