本研究では、最近の微分可能なk-部分集合サンプリングの進歩を活用し、関連する辺を追加し、あまり有益でない辺を省略することを学習する確率的に再接続されたメッセージ伝達型ニューラルネットワーク(PR-MPNN)を提案する。理論的分析により、PR-MPNNがメッセージ伝達型ニューラルネットワーク(MPNN)の表現力を高める方法を初めて探り、ランダムアプローチを上回る条件を特定する。