この記事では、トポロジカルアテンションネットワーク（TAN）の提案が行われている。従来のグラフニューラルネットワークは、局所的なメッセージパッシングに依存しており、長距離依存性をモデル化する能力が制限されている。既存の手法では、連続時間ダイナミクスや密な自己注意を用いてこの範囲を拡張しようとするが、計算コストが高く、スケーラビリティが制限される問題がある。TANは、グラフ内の直接接続および間接接続を通じた情報の流れを学習する確率的メカニズムであるトポロジカルアテンションを適用しており、従来のペアワイズ相互作用に依存せず、学習された情報伝達から生じる。これにより、局所的およびグローバルな関係に対する統一的な推論が可能になる。この手法は、従来の基準モデルに対して最先端の性能を提供している。