この記事では、グラフ畳み込みを超次元計算のバインディングおよびバンドリング操作と結びつけた新しいアルゴリズム「 extit{hdgc}」を紹介しています。このアルゴリズムは、トランスダクティブグラフ学習のために設計されており、同種のグラフと異種のグラフの両方を対象として、予測精度において主要なグラフニューラルネットワーク実装や最先端の超次元計算実装を上回る性能を示します。特に、 extit{hdgc}は extit{gcnii}（グラフニューラルネットワーク実装）および extit{HDGL}（超次元計算実装）よりも速度がそれぞれ平均して9561.0倍と144.5倍速いとされています。ほとんどの学習がバイナリベクトルで行われるため、このアルゴリズムはニューラモーフィックデバイスや新興のプロセス・イン・メモリデバイスにおいて優れたエネルギー性能が期待されます。