HOW POWERFUL ARE GRAPH NEURAL NETWORKS?
https://openreview.net/group?id=ICLR.cc/2019/Conference
我們對GNN的表示性質和侷限瞭解有限，這裏，我們提出一個理論框架來分析GNN的表示能力，
我們的研究靈感來自Weisfeiler-Lehman (WL) 圖同構測試，
本文的貢獻有4點：
1）我們顯示GNN最多和WL測試一樣能區分圖結構，
2）我們建立條件 on the neighbor aggregation and graph readout functions，證實GNN和WL測試一樣強大，
3）我們指出 不能被GNN區分的圖結構，我們準確描述了這些 不能被區分的 圖結構，
4）我們開發了一個簡單的神經網絡，即Graph Isomorphism Network (GIN)，顯示出它的 區分能力 和 表示能力 同WL測試一樣強大。