연구진은 분자 속성 예측에 널리 사용되는 MPNN의 성능을 분석하기 위해 연산자 수준의 계승 벤치마크를 제시했어요.
2D 분자 MPNN을 메시지-시드 초기화, 노드-엣지 융합, 노드 업데이트 연산자 3가지로 분해하여 84가지 구성 요소를 벤치마크했어요.
분석 결과, 성능 변동은 주로 메시지 구성과 관련 있으며, 메시지-시드 초기화가 회귀 및 분류 모두에서 큰 영향을 미치는 것으로 나타났어요.
대표적인 구성 요소는 기존의 분자 그래프 신경망(GNN) 기준 성능에 견줄 만한 결과를 보여주며, 10개의 벤치마크 데이터 세트 중 8개에서 최고 순위를 기록했어요.