グラフ分類は多くの科学分野において重要な問題です。この問題は、たとえばタンパク質や化学化合物をその機能や化学的・構造的特性に基づいてカテゴリに分類するようなタスクに対処します。教師あり設定では、この問題はラベル付きグラフの集合内で構造、特徴量、および特徴量間の関係を学習し、未見のグラフのラベルやカテゴリを正確に予測できるようにすることとして定式化されます。このタスクにおける大きな困難は、既存の分類アルゴリズムを適用しようとする際に生じます。これは、ノード数やエッジ数が大きく異なるグラフに対して固定サイズの行列またはテンソル表現が必要となるためです。既存の研究で明示的なテンソル表現と標準的な画像ベースの分類器を組み合わせた手法を基に、私たちは各グラフから固定サイズのテンソル情報を抽出し、カプセルネットワークを使用して分類を行うモデルを提案します。ここでは無向であり、ノードにカテゴリカルな特徴を持つグラフを考えています。標準的なベンチマークデータセット（化学物質とタンパク質）を使用して、私たちが提案するグラフカプセルネットワーク分類モデルが明示的なテンソル表現を使用しているにもかかわらず、限られたハイパーパラメータ探索のみで現行の最先端のグラフカーネルやグラフニューラルネットワークモデルと競争力があることを示しています。