노드 식별자가 있는 그래프 신경망의 표현력

초록

본 논문은 고유한 노드 식별자(키)가 부여된 그래프에서 그래프 신경망(GNN)의 표현력을 조사한다. 키가 존재해도 결과가 그래프 구조에만 의존하도록 하는 ‘키‑불변’ GNN을 정의하고, LocalMax와 LocalSum 집계 방식을 각각 다양한 결합 함수(FFN‑ReLU, 연속, 반연속, 임의)와 결합해 논리적 표현력(그레이디드 모달 논리, 순서‑불변 1차 논리, FO+C 등)과의 관계를 정리한다. 주요 결과는 키가 있을 때 LocalMax와 LocalSum GNN이 기존 무키 모델보다 엄격히 강한 계층을 형성하며, 특히 임의 결합 함수를 허용한 LocalSum GNN은 모든 강국 로컬 쿼리를 완전하게 표현한다는 점이다.

상세 분석

논문은 먼저 ‘키‑불변’이라는 새로운 개념을 도입한다. 이는 각 노드에 고유한 실수값(키)이 할당된 그래프에 대해, GNN이 키값에 의존하지 않고 오직 그래프의 구조만을 기반으로 판단을 내리도록 하는 제약이다. 이 정의는 유한 모델 이론의 order‑invariant definability와 직접적으로 연결되며, 키가 존재함에도 불구하고 결과가 그래프 동형에 대해 불변임을 보장한다.

연구는 두 종류의 집계 연산, LocalMax(좌표별 최대)와 LocalSum(좌표별 합)를 중심으로 전개된다. 각각에 대해 결합 함수 클래스를 네 가지로 구분한다. 첫 번째는 ReLU 활성화를 갖는 피드포워드 네트워크(FFN‑ReLU)이며, 이는 기존 GNN 연구에서 가장 흔히 사용되는 형태다. 두 번째는 연속 함수 전반을 허용하는 클래스, 세 번째는 반연속(예: Heaviside 단계 함수) 함수를 포함하는 클래스, 마지막은 임의의 실함수를 허용하는 가장 일반적인 클래스이다.

키‑불변 LocalMax GNN에 대해, 논문은 다음과 같은 계층 구조를 증명한다. FFN‑ReLU는 WGML(Weak Graded Modal Logic)보다 강하지만, 연속 함수는 WGML의 ‘modal’ 부분에만 해당한다. 반면 반연속 함수는 WGML의 ‘≥2 ⊤’ 구문을 추가로 표현할 수 있어, 연속 함수보다 엄격히 강력하다. 임의 함수 클래스는 결국 순서‑불변 1차 논리(OrdInvFO) 전체에 포함된다. 흥미롭게도, 키‑불변 LocalMax GNN이 (≥2 ⊤)와 같은 특정 WGML 공식으로 표현 가능한 쿼리를 포함하는 경우, 연속 함수 기반 모델은 키‑불변 무키 모델과 동등하게 축소된다(‘collapse’ 현상).

LocalSum 경우는 보다 극적인 결과를 보여준다. 키‑불변 LocalSum GNN이 연속 결합 함수를 사용할 때는 모든 ‘강국 로컬’(strongly local) 쿼리를 완전하게 표현한다는 정리(Thm 5.5)를 얻는다. 여기서 강국 로컬 쿼리는 역 커버링(inverse covering) 불변성을 만족하는 모든 쿼리를 의미한다. 임의 함수까지 허용하면 표현력은 OrdInvFO+C(순서‑불변 1차 논리 + 카운팅) 전체에 도달한다. 특히, (≥1 / ≤0) 수용 정책을 적용하면 키‑불변 LocalSum GNN은 무키 LocalSum GNN과 동등하게 축소되지만, ( >0 / <0) 정책을 사용하면 키가 표현력을 실제로 증가시킨다.

논문은 또한 구체적인 쿼리 사례를 통해 이론적 결과를 검증한다. 예를 들어, Q_even(짝수 이웃 수)와 특정 그래프 유형 Q_G_u(특정 연결 성분 동형 여부) 같은 쿼리는 키‑불변 LocalMax GNN에서는 연속 함수만으로는 표현 불가능하지만, 반연속 혹은 임의 함수가 있으면 표현 가능함을 보인다. 이러한 사례는 키‑불변 모델이 기존 GNN의 한계를 어떻게 극복할 수 있는지를 명확히 보여준다.

마지막으로, 논문은 실용적인 동기와 연관성을 강조한다. 실제 그래프 데이터에서 좌표, 거리, 혹은 트랜스포머 기반 포지셔널 인코딩이 고유 식별자로 작용할 수 있으며, 이러한 상황에서 키‑불변 GNN의 표현력 한계를 이해하는 것이 모델 설계와 성능 예측에 필수적이다. 또한, 키‑불변성은 무작위 노드 특성을 이용한 ‘랜덤화 GNN’과는 달리, 기대값이 아닌 확정적인 불변성을 제공한다는 점에서 이론적·실용적 가치를 가진다.