Message Passing Neural Networks (略して MPNN) は、2017 年に Gilmer らによって提案された、グラフ構造データを処理するためのニューラル ネットワーク フレームワークです。量子化学のためのニューラル メッセージ パッシング”。 MPNN の中心となるアイデアは、メッセージ パッシングおよび集約メカニズムを通じてグラフ内のノードの表現を更新し、ノードのローカルな近隣情報を取得できるようにすることです。

MPNN の順伝播プロセスは、主にメッセージ受け渡し段階と読み出し段階の 2 つの段階に分かれています。メッセージング フェーズ中に、各ノードは近隣ノードから情報を収集します。その情報は、トレーニング可能なメッセージング機能を通じて集約されます。次に、ノード更新関数は、集約された情報をノードの現在の状態と組み合わせて、ノードのフィーチャ表現を更新します。このプロセスは、所定の反復回数に達するか、停止条件が満たされるまで繰り返し実行されます。読み出しステージでは、読み出し関数を通じてすべてのノードの最終状態を要約し、グラフ全体のグローバルな特徴表現を取得します。

MPNN フレームワークは優れた汎用性と柔軟性を備えており、GCN、GAT などのさまざまなグラフ ニューラル ネットワーク モデルをカバーできます。さらに、MPNN の設計コンセプトは、グラフ ニューラル ネットワークの研究に新しい視点を提供し、さまざまな分野でのグラフ ニューラル ネットワークのアプリケーション開発を促進します。