연구진은 그래프 신경망(GNN)의 위치 인코딩(PE)을 연구하며, 이론적으로 동등하다고 알려진 스펙트럴(Spectral)과 워크 기반(Walk-based) PE가 잘림(Truncated) 상태에서는 표현력에 차이가 있음을 밝혔습니다.
잘린 스펙트럴 PE는 1-WL 테스트보다 강력하지 않으며, 서로 다른 PE 패밀리 간의 표현력 차이를 분석하여 k-harmonic 거리를 활용한 PE가 실제 데이터셋에서 더 효과적임을 확인했습니다.
본 연구는 GNN의 성능 향상을 위한 다양한 PE 조합의 가능성을 제시하며, 잘린 PE의 이론적 이해를 위한 첫걸음을 내딛었습니다.