연구진이 그래프 신경망의 정보 전파 거리를 분석하기 위해 엔트로피 곡률이라는 새로운 개념을 도입했어요. 엔트로피 곡률은 Wasserstein 기하학적 경로를 통해 그래프의 전역적인 곡률을 측정하며, 기존 방식의 한계를 극복해요.
새로운 이론을 바탕으로 Poincare 부등식을 도출하고, 정보 확산에 대한 새로운 경계 조건을 제시하며, 희소성, 스펙트럼 확장, 양의 엔트로피 곡률 간의 상호 배타적 관계를 밝혀냈어요.
E-Gate 집계기, ENT 구조 인코딩, 중간점 완성 재배선(MCR) 등 세 가지 실용적인 기법을 개발하고, 기존 방식과 비교하여 노드 분류 및 그래프 분류 벤치마크에서 성능을 검증했어요.