概念Message Passing / 消息传递范式
消息传递
消息传递是图神经网络的核心计算范式，通过消息计算、邻居聚合和节点状态更新三个步骤，使每个节点能够迭代整合其邻居的信息，从而学习图结构中的局部与全局特征
时间轴 (近 90 天)
10月13日
GNN 通过消息传递机制解决图数据中邻居数量不固定、顺序无意义的问题：每一层中，节点先聚合邻居的特征信息，再与自身表示结合并经过非线性变换更新。
待验证50%
10月12日
在消息传递场景中，值被发送对应一次 move，发送后原持有者不可再用，这是仿射约束的体现，使编译器能静态检测双重发送或使用已发送值等错误。
待验证50%
10月7日
消息传递机制源自图神经网络（GNN）领域，指节点将信息编码后传递给邻居节点再聚合更新的迭代机制
待验证50%
9月12日
消息传递范式可拆解为消息（Message）、聚合（Aggregate）、更新（Update）三个步骤
待验证50%