SdpLib

GNNs 在 SDP 和代码生成方面显示出潜力，但表达能力和验证仍很复杂

研究人员正在探索图神经网络 (GNN) 的表达能力，以解决复杂的优化问题。一篇论文表明，虽然标准 GNN 在线性半定规划 (SDP) 方面存在困难，但更具表达力的架构可以模拟求解器更新并实现显著的加速。另一项研究调查了具有全局读出的 GNN，表明它们可以捕获某些一阶属性，并确定了它们的表达能力与分级模态逻辑一致的条件。第三篇论文介绍了一种用于验证量化 GNN 的逻辑语言，证明了这种验证是可判定的，但计算上是棘手的，尽管量化模型轻巧且准确。