All data får inte plats i ett rutnät. Sociala nätverk, molekyler och vägkartor är grafer, med noder och kanter snarare än pixlar eller sekvenser. Grafiska neurala nätverk fungerar direkt på denna struktur och skickar meddelanden mellan anslutna noder för att lära sig representationer.

Kärnoperationen är meddelandeöverföring. Varje nod aggregerar information från sina grannar, uppdaterar sin egen representation och upprepar detta i flera omgångar. Efter tillräckligt många lager kodar varje nod information från sitt lokala område.

Vanliga grafuppgifter

• Nodklassificering
• Länkförutsägelse
• Grafklassificering
• Rekommendera anslutningar
• Förutsäga molekylära egenskaper

Skalning är en utmaning. Stora grafer har miljontals noder och kanter, och fullbatchträning får inte plats i minnet. Samplingstekniker och minibatchmetoder gör träning möjlig, till en viss kostnad i noggrannhet.