统一图神经网络：七组件通用层方程框架

图神经网络通常通过特定于家族的方程来描述，这些方程的记号掩盖了共享的计算和结构差异。我们引入了一个通用的层方程，通过七个组成部分来表示所涵盖的架构：更新域、通道集、传播库、每通道消息映射、通道融合算子、自我/残差映射和更新映射。核心分解将信息移动的位置（由传播库编码）与移动的内容（由消息映射编码）分开。函数值填充将相同的方程扩展到局部消息传递、注意力、谱滤波、全局通信、关系特定通道、高阶域和几何消息。 我们通过规范层的具体归约和跨越七个非排他性架构家族的组件分配，使这种统一变得明确且可检验。固定的槽位纪律按计算角色分配操作，并定义了框架的覆盖边界。该分解还产生了组件级的理论洞见：在端点局部消息和节点局部更新的条件下，算子支持限制了一层依赖，而一层全局混合在所述假设下需要完整的有效算子行。 由此产生的框架在共同的设计空间中组织了200多种架构，支持组件级比较和结构一致架构的生成，并将传播选择与过平滑、过压缩、异质性和表达力联系起来。它进一步揭示了将可测量的图和任务属性映射到经过验证的组件选择的经验逆问题。