연구진이 그래프 집합 학습을 위한 새로운 신경망 구조인 Graph Set Transformer (GST)를 발표했어요. GST는 기존 방식의 GNN 기반 그래프 임베딩 병목 현상을 해결하기 위해 노드 레벨 특징 전파와 그래프 간 교차 컨텍스트 모델링을 결합해요.
합성 데이터셋과 반응 중심 식별, 반응 수율 예측, 이미지 분류 등 세 가지 실제 데이터 벤치마크에서 GST가 기존 모델보다 우수한 성능을 보였어요.
GST는 로컬 및 집합 컨텍스트를 교차시키는 구조 덕분에 성능 향상에 기여하는 것으로 나타났어요.