그래프 신경망에서 스펙트럼의 영향에 대한 새로운 관점

많은 그래프 신경망(GNN) 개선 사항은 기저 그래프 행렬의 스펙트럼에 대한 연산으로 간주될 수 있으며, 이는 GNN 성능에 미치는 스펙트럼 특성의 영향을 직접 연구하도록 동기를 부여합니다. 대부분의 기존 GNN 아키텍처를 일반화함으로써, 우리는 $unsmooth$ 스펙트럼으로 인한 상관 관계 문제가 더 강력한 그래프 필터 활용과 깊은 아키텍처 개발을 방해하는 장애물이 되어 GNN의 성능을 제한한다는 것을 보여줍니다. 이러한 점에서 영감을 받아, 우리는 각 채널 내에서 더 복잡한 필터를 활용할 수 있도록 서로 다른 채널 간의 상관 관계 문제를 자연스럽게 제거하는 상관 관계 없는 아키텍처를 제안합니다. 최종적으로, 더 강력한 필터를 사용하는 상관 관계 없는 아키텍처는 일관되게 그래프 표현 학습의 성능을 향상시킵니다. 코드는 https://github.com/qslim/gnn-spectrum 에서 확인할 수 있습니다.