그래프 정보를 활용한 레이어의 효율적인 희소 구현
그래프 구조 데이터에 대한 학습 작업을 위해 개발된 그래프 신경망(GNN)에 최근 그래프 정보(GI) 레이어가 도입되었다. 그러나 기존 GI 레이어 구현은 밀집 메모리 할당으로 인해 비효율적이다. 이 논문에서는 인접행렬의 희소성을 활용하여 메모리 사용을 크게 줄이는 GI 레이어의 희소 구현을 제안한다. 또한 그래프 노드의 부분집합에 적용할 수 있는 범용적인 GI 레이어 형태를 소개한다. 제안된 희소 구현은 GI 레이어의 구체적인 계산 효율성과 확장성을 향상시켜 더 깊은 그래프 정보 신경망(GINN) 구축과 대규모 그래프에 대한 확장성을 가능하게 한다.