본 논문은 다양한 크기의 그래프를 공유 임베딩 공간으로 인코딩 및 디코딩하는 새로운 그래프 오토인코더인 GRALE을 제안합니다. GRALE은 최적 전송(Optimal Transport)에서 영감을 받은 손실 함수를 사용하여 학습되며, 원본 그래프와 재구성된 그래프를 비교하고 인코더 및 디코더와 함께 학습되는 미분 가능한 노드 매칭 모듈을 활용합니다. AlphaFold의 핵심 구성 요소인 Evoformer를 확장하여 그래프 인코딩 및 디코딩을 지원하는 어텐션 기반 아키텍처를 사용합니다. 모의 데이터와 분자 데이터에 대한 수치 실험을 통해 GRALE이 분류, 회귀부터 그래프 보간, 편집, 매칭, 예측과 같은 더 복잡한 작업까지 광범위한 다운스트림 작업에 적용 가능한 매우 일반적인 형태의 사전 학습을 가능하게 함을 보여줍니다.