8강까지는 GNN을 어떻게 쓰고(헤드/손실/분할), 그래프/피처를 어떻게 조작하고, 학습을 어떻게 세팅하는지를 봤다.9강부터는 방향을 확 꺾어서 이론(theory)로 들어간다.오늘의 질문은 딱 3개다.GNN은 얼마나 표현력(expressive power)이 강한가?GNN은 무엇을 학습할 수 있고무엇을 학습할 수 없는가?결론 스포를 먼저 하면:GNN의 표현력은 “이웃 집계(neighborhood aggregation)가 얼마나 정보 손실 없이(=단사적으로) 멀티셋을 압축하느냐”로 결정된다.그리고 메시지패싱 GNN 중 “최대로 표현력 강한” 쪽이 바로 GIN이고, 이는 WL 테스트(색 정제)와 깊게 연결된다.1) 준비: 이번 강의에서 “노드 특성”은 색(color)로 본다그래프에는 두 요소가 있다.노드 특성..
