待验证50% 置信事实精确时间
GNN 的表达能力上界与图同构判定问题密切相关，Weisfeiler-Leman（WL）图同构测试为 GNN 的表达力提供了理论刻画框架
1
来源数
50%
置信度
长期有效
时效性
2026/9/18
首次发现
来源
涉及实体
相关事实
待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测69% 相似待验证图神经网络（GNN）通过在图结构上进行消息传递与聚合，能够直接处理分子结构、知识图谱、社交网络等非欧氏数据67% 相似待验证研究人员利用图神经网络GNN学习增殖包层中子学仿真，可对任意几何参数组合的TBR值实现亚秒级预测，预测误差控制在1%以内64% 相似待验证早期目标检测模型如YOLO、Faster R-CNN只能识别预定义类别，而GLIP、Grounding DINO等模型推动了理解任意自然语言指令的视觉grounding进步63% 相似待验证构建动态演化的代码知识图谱需要结合图神经网络（GNN）、时序分析和因果推断等多种AI技术63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/932549API
curl https://kongchang.com/api/v1/knowledge/claims/932549MCP
get_claim(id=932549)