2026年01月08日
## 要約：
本研究では、Transformerで提案された多様体制約付きハイパー接続 (mHC) をグラフニューラルネットワーク (GNN) に適用した mHC-GNN を開発しました。mHC-GNNは、深いGNNにおける過剰な平滑化問題を軽減し、1-Weisfeiler-Lemanテストを超える表現力を実現します。実験により、深層GNNの性能低下を抑制し、精度を大幅に向上させる効果が確認されました。
---
## 翻訳：
本研究では、Transformerで提案された多様体制約付きハイパー接続 (mHC) をグラフニューラルネットワーク (GNN) に適用した mHC-GNN を開発しました。mHC-GNNは、ノード表現をn本の並列ストリームに拡張し、Sinkhorn-Knopp正規化によってストリーム混合行列をBirkhoff多面体へ制約します。これにより、標準的なGNNよりも過剰な平滑化の速度が指数関数的に遅くなり、1-Weisfeiler-Lemanテストを超えるグラフを区別できるようになります。4つのGNNアーキテクチャを用いた10のデータセットでの実験で一貫した性能改善が確認されました。2層から128層までの深さの実験から、標準的なGNNは16層を超えるとほぼランダムな性能に低下するのに対し、mHC-GNNは128層でも74%以上の精度を維持し、極端な深さでは50パーセントポイント以上の改善が見られました。アブレーション実験により、多様体制約が本質的に重要であることが確認され、制約を取り除くと最大82%の性能低下が発生しました。コードはhttps://github.com/smlab-niser/mhc-gnn で公開されています。
[📰 原文はこちら](https://arxiv.org/abs/2601.02451)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
