초록
최근 몇 년 동안 빠른 발전이 이루어졌음에도 불구하고, 최근 연구들은 현대 그래프 신경망이 매우 간단한 작업, 예를 들어 작은 사이클을 감지하는 것에서 실패할 수 있음을 보여주고 있습니다. 이는 현재의 신경망이 로컬 구조에 대한 정보를 포착하지 못함을 시사하며, 화학과 같은 분야에서 그래프 하위 구조 분석에 크게 의존하는 후속 작업에는 문제가 됩니다. 우리는 이제 표준화된 GIN 컨볼루션에 매우 간단한 수정을 제안하여 네트워크가 계산 시간과 매개변수 수에 거의 비용 없이 작은 사이클을 감지할 수 있도록 합니다. 실제 분자 특성 데이터셋에서 테스트한 결과, 우리의 모델은 모든 기준모델보다 전반적으로 그리고 각각의 작업 설정에서도 대규모 다중 작업 데이터셋에서 성능을 일관되게 개선했습니다.