CIN++：トポロジカルなメッセージパッシングの強化

グラフニューラルネットワーク（GNN）は、グラフ構造データからの学習において顕著な成功を収めてきた。しかし、表現力に限界があり、長距離相互作用の扱いや高次構造、グループ間相互作用を体系的にモデル化する手法が欠如しているという課題に直面している。最近、細胞複体（cell complexes）に基づくメッセージパッシングスキームを用いて、これらの課題の多くを解決した細胞同型性ネットワーク（CINs）が提案された。CINsはその利点を持つものの、境界メッセージと上位メッセージのみを用いるため、基礎となる複体に存在するリング間の直接的な相互作用を考慮していない。このような相互作用を捉えることは、超分子アセンブリの動的挙動や脳内の神経活動、遺伝子調節プロセスといった現実世界の複雑な現象の表現学習において極めて重要である可能性がある。本研究では、CINsで導入された位相的メッセージパッシングスキームを拡張したCIN++を提案する。我々のメッセージパッシングスキームは、各層において細胞が下位メッセージ（lower messages）も受信できるようにすることで、前述の制約を克服する。これにより、高次および長距離相互作用をより包括的に表現可能となり、大規模かつ長距離特徴を有する化学ベンチマークにおいて、最先端の性能を達成した。