自己干渉キャンセリングによるゲージ等変グラフネットワーク

グラフニューラルネットワーク（GNN）は同種のノード間の相互作用に優れていますが、異種のノード間では自己強化や位相不一致の信号によって失敗することが多いです。本稿では、自己干渉キャンセリングを導入したゲージ等変グラフネットワーク（GESC）を提案します。GESCは加算集約を投影ベースの干渉メカニズムに置き換え、事前の磁気的またはゲージ等変GNNが主に位相処理に注力するのとは異なります。$ ext{U}(1)$位相接続を導入し、ノードの状態と整合する成分を減衰させることで、注意機構における干渉を緩和します。多様なグラフベンチマークにおいて、本手法は最近の最先端モデルを一貫して上回り、メッセージパッシングの干渉を考慮した統一的な視点を提供します。