要約
現在のGNNアーキテクチャは、頂点の近傍集約方式を採用しており、これによりその識別能力は1次元Weisfeiler-Lehman（WL）グラフ同型性テストの能力に制限されている。本研究では、2次元WLテストに基づく新たなグラフ畳み込み演算子を提案する。形式的に、得られる2-WL-GNNアーキテクチャが従来のGNNアプローチよりも高い識別能力を有することを示す。この理論的結果は、合成データおよび実データを用いた実験研究によって裏付けられている。複数の代表的なグラフ分類ベンチマークにおいて、提案モデルが最先端のグラフカーネルおよびGNNと同等の性能を達成することを実証した。