9月16日消息，UC伯克利和清华的研究人员提出了一个图学习框架，称为隐式图神经网络（IGNN），其中的预测是基于一个涉及隐式定义的“状态” 向量的不动点平衡方程的解。利用Perron-Frobenius理论推导了保证框架良好性的充分条件。利用隐式微分，研究人员推出了一个易于处理的投影梯度下降方法来训练框架。对一系列任务进行的实验表明，IGNN始终能够捕获长期依赖关系，并优于最先进的GNN模型。