सभी डेटा ग्रिड में फिट नहीं होते। सामाजिक नेटवर्क, अणु और सड़क मानचित्र ग्राफ होते हैं, जिनमें पिक्सेल या अनुक्रमों के बजाय नोड्स और किनारे होते हैं। ग्राफ न्यूरल नेटवर्क सीधे इस संरचना पर काम करते हैं, जुड़े हुए नोड्स के बीच संदेशों का आदान-प्रदान करके निरूपण सीखते हैं।

मुख्य प्रक्रिया संदेशों का आदान-प्रदान है। प्रत्येक नोड अपने पड़ोसियों से जानकारी एकत्रित करता है, अपने स्वयं के निरूपण को अद्यतन करता है, और कई चरणों तक दोहराता है। पर्याप्त परतों के बाद, प्रत्येक नोड अपने स्थानीय पड़ोस से जानकारी को एन्कोड करता है।

सामान्य ग्राफ़ कार्य

• नोड वर्गीकरण
• लिंक भविष्यवाणी
• ग्राफ वर्गीकरण
• कनेक्शनों की अनुशंसा करना
• आणविक गुणों की भविष्यवाणी करना

स्केलिंग एक चुनौती है। बड़े ग्राफ़ में लाखों नोड्स और एज होते हैं, और पूर्ण-बैच प्रशिक्षण मेमोरी में समाहित नहीं हो पाता। सैंपलिंग तकनीक और मिनी-बैच विधियाँ प्रशिक्षण को संभव बनाती हैं, हालांकि इससे सटीकता में कुछ कमी आती है।