Lorentzian 곡률을 갖는 곡면에서 동작하는 그래프 신경망(GNN)인 Lorentzian Graph Isomorphic Network (LGIN)을 제안합니다. 기존의 hyperbolic GNN들이 비단사 사상(non-injective aggregation)으로 인해 제한된 판별력을 갖는 문제를 해결하기 위해, Lorentzian metric을 보존하면서 더 풍부한 구조 정보를 효과적으로 포착하는 새로운 업데이트 규칙을 도입했습니다. 9개의 벤치마크 데이터셋에 대한 광범위한 평가를 통해, LGIN이 기존 최고 성능의 hyperbolic 및 Euclidean GNN들을 능가하거나 동등한 성능을 보임을 확인했습니다. LGIN은 강력하고 판별력이 높은 GNN 구조의 원리를 Riemannian 곡면에 적용한 최초의 연구입니다.
