شبکه‌های گراف مغناطیسی ممکن است جهت‌مندی را پیش از پیش‌بینی از دست بدهند

شبکه‌های گراف مغناطیسی جهت را با فاز رمزگذاری می‌کنند، اما گرافی که مدل یاد می‌گیرد ممکن است این سازوکار را پیش از مرحلهٔ پیش‌بینی از بین ببرد. نویسندگان پیش‌چاپ arXiv، این شکست را برای لاپلاسیَن‌های مغناطیسی مبتنی بر تکیه‌گاه بررسی کرده‌اند و رابطه‌هایی دقیق میان انرژی موهومی، فاصله از فاز صفر و میزان تقارنِ وزن‌دارِ یال‌ها به دست آورده‌اند.

بر اساس چکیدهٔ پژوهش، انتخاب top-k وقتی شمار گره‌های مشاهده‌شده m حداکثر k+1 باشد، به حذف کامل جهت‌مندی می‌انجامد؛ تکیه‌گاه‌های متراکم نیز حد پایینی برای سهم یال‌های متقابل ایجاد می‌کنند. پژوهشگران همچنین نمونه‌هایی از انتشار جفت‌شده ساخته‌اند که ویژگی گره‌ها و دامنه‌های متقارن یکسان، اما برچسب‌های مخالف دارند. در این نمونه‌ها، بازنمایی‌هایی که جهت را حذف می‌کنند، به‌طور اثبات‌پذیر به عملکردی در حد شانس محدود می‌شوند.

در ۷۲ برازش ثابت شبکهٔ عصبی، فاز تکیه‌گاه در یک مجموعه‌دادهٔ یک‌سویه به AUROC آزمون ۱٫۰۰۰۰ رسید. چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ این آزمایش یا نتایج دیگر ارائه نمی‌کند.