量化圖神經網路

深度分析

量化ACR‑GNN可驗證性分析：全域讀出導致 (co)NEXPTIME 複雜度

研究指出帶有全域讀出機制的量化圖神經網路驗證，在邏輯上可表述為qℒ並被歸入(co)NEXPTIME等級。作者定義了能捕捉聚合—組合帶全域讀出的ACR-GNN模型的邏輯，並以量化版QFBAPA為中心證明上界，同時以平鋪問題證明下界。結論顯示這類驗證在計算上不可行，促使對安全性與可檢驗性投入更多研究。