위스페일-레만 테스트의 조합적 복합체 적용: 위상 신경망의 일반화된 표현력

요약

본 연구는 조합적 복합체(Combinatorial Complexes)라는 구조에 적용할 수 있는 새로운 위스페일-레만 (WL) 테스트인 CCWL을 제안합니다. CCWL은 기존의 분산된 위상 신경망 이론들을 통합하고, 네 가지 이웃 관계를 통해 고차원 변이들의 표현력을 형식화하여 통일된 이론적 기반을 제공합니다. 이를 바탕으로 조합적 복합체 동형성 네트워크(CCIN)를 구축하고, 다양한 벤치마크에서 기존 방법론 대비 우수한 성능과 일반화된 표현력을 입증했습니다.

핵심 포인트

• 조합적 복합체를 통합적으로 다루기 위해 CCWL (Combinatorial Complex WL Test)을 새롭게 정의했습니다.
• CCWL은 네 가지 유형의 이웃 관계를 사용하여 위상학적 메시지 전달을 형식화하고 표현력을 통일합니다.
• 연구는 전체 CCWL 프레임워크가 아닌, 상부 및 하부 이웃만을 사용해도 충분함을 이론적으로 증명했습니다.
• 제안된 조합적 복합체 동형성 네트워크(CCIN)는 위상 심층 학습 분야에 일반화되고 강력한 표현력의 프레임워크를 제공합니다.