[論文レビュー] Unifying approach to uniform expressivity of graph neural networks

Huan Luo, Jonni Virtema|arXiv (Cornell University)|Feb 20, 2026

Advanced Graph Neural Networks被引用数 0

ひとこと要約

テンプレートベースの伝搬を用いたテンプレート GNN（T-GNN）と、それに対応するグレード付きテンプレートモーダル論理を提案し、GNN の表現力を特徴づけ・統一する。T-GNNs を GML(T) および WL/ビシミュレーション系の枠組みと結びつける。

ABSTRACT

The expressive power of Graph Neural Networks (GNNs) is often analysed via correspondence to the Weisfeiler-Leman (WL) algorithm and fragments of first-order logic. Standard GNNs are limited to performing aggregation over immediate neighbourhoods or over global read-outs. To increase their expressivity, recent attempts have been made to incorporate substructural information (e.g. cycle counts and subgraph properties). In this paper, we formalize this architectural trend by introducing Template GNNs (T-GNNs), a generalized framework where node features are updated by aggregating over valid template embeddings from a specified set of graph templates. We propose a corresponding logic, Graded template modal logic (GML(T)), and generalized notions of template-based bisimulation and WL algorithm. We establish an equivalence between the expressive power of T-GNNs and GML(T), and provide a unifying approach for analysing GNN expressivity: we show how standard AC-GNNs and its recent variants can be interpreted as instantiations of T-GNNs.

研究の動機と目的

• 現代の表現力豊かな GNN パラダイムをテンプレートを介して組み込める一般的な GNN フレームワークを動機付け・形式化する。
• テンプレート埋め込み、テンプレート集約、そして一項・多項テンプレート GNNs を定義して部分構造情報を捉える。
• 論理的・アルゴリズム的対応関係（GML(T) と T-WL）を確立し、T-GNN の表現力を上界・一致させる。
• テンプレート GNN を用いた表現力と階級付きテンプレートビシミュレーションおよび有界カウント論理との統一結果を証明する。
• 既存の AC-GNNs およびその派生がテンプレート GNN フレームワークの実例として適合することを示す。

提案手法

• 正の辺と負の辺を持つテンプレート T と定義された根を用いてテンプレートをグラフへ埋め込む形式を定義する。
• テンプレート自己同型に対して不変な T-集約関数を導入し、それを一項または n-項の T-GNN に組み込む。
• テンプレート埋め込み部分構造の多重集合を用いてノード色を精緻化する T-WL アルゴリズムを開発し、1-WL を一般化する。
• 表現力を特徴づけるための階級付きテンプレートビシミュレーションを導入し、T-WL（色）と同値であることを証明する（命題10）。
• Graded テンプレートモーダル論理 GML(T) を定義し、T-GNN と GML(T) の表現力の等価性を証明する。
• 有界カウント設定における c-有界 T-GNNs へと接続し、AC+-GNNs および AC(G)-GNNs へのテンプレート解釈を通じて関連付ける。

実験結果

リサーチクエスチョン

• RQ1 広範な表現力を持つ GNN アーキテクチャを捉える適切な抽象的テンプレートベースフレームワークは何か。
• RQ2 テンプレート埋め込み・集約・テンプレートが GNN の表現力をどのように特徴づけ・上界化できるか。
• RQ3 T-GNN の表現力と対応する論理形式 GML(T) との厳密な同値性を確立できるか。
• RQ4 既存の GNN 変種（AC-GNNs、AC+-GNNs、k-hop 部分グラフ GNNs など）はテンプレート GNN フレームワークにどう適合するか。
• RQ5 有界カウントと階級付きビシミュレーションが一様な表現力の結果を達成するうえでどのような役割を果たすか。

主な発見

• 一般的な Template GNN モデルはテンプレートベースのメッセージパッシングを用いることで標準的な GNN および強化された変種を捉える。
• 対応する階級付きテンプレート-WL アルゴリズム（T-WL）と階級付きテンプレートビシミュレーションは、T-GNN の表現力を厳密に境界づけ、鏡像化する。
• T-GNN の一様な表現力と有界カウント設定における論理 GML(T) との一対一の対応が存在する。
• AC-GNNs および AC+-GNNs は適切なテンプレートを用いるテンプレート GNN の実例として解釈でき、複数のアーキテクチャを統一する。
• テンプレート（辺、三角形、k-hop 部分グラフなど）による部分構造情報の組み込みはフレームワークと整合し、1-WL を超える表現力の向上を説明する。
• 本研究は任意の GNN が T-GNN として形式化できる場合にその表現力を特徴づけるメタ定理を提供し、表現力の系列の結果を生み出す。