徐拓关于图神经网络表征能力的论文被 ICLR 2024 录用。

图神经网络已被广泛应用于各种图相关的机器学习任务中。由于经典的消息传递神经网络的表达能力受限于 1-WL 图同构测试，近年来人们提出了多种提高图神经网络表达能力的方法。本文从一个非常关键、以往却未被人们关注的角度，即概率图模型的近似推断的角度出发，研究了包括消息传递神经网络在内的多种图神经网络模型的概率推断能力。以此出发，本文提出了两个方法，用于在尽可能少地增加。计算负担的同时可靠地提高图神经网络的表达能力。论文通过实验证明了论文中结论的有效性。