محققان موفق به طراحی ساختار جدیدی به نام mHC-GNN شدهاند که یکی از بزرگترین مشکلات مدلهای شبکههای عصبی گراف (GNN) یعنی «Over-smoothing» (تسطیح بیش از حد) را حل میکند.
این معماری با استفاده از اتصالات فوقالعاده (Hyper-Connections) و محدودیتهای منیفولد، به مدل اجازه میدهد حتی در عمقهای بسیار بالا (تا ۱۲۸ لایه) نیز کارایی خود را حفظ کند و دقت خیرهکنندهای نسبت به مدلهای استاندارد ارائه دهد. این یک گام بزرگ برای پردازش گرافهای پیچیده در مقیاسهای عمیق است. ✨
منبع: arXiv AI