有理权重常数深度GNN的条件表达能力

基于摘要分析。本文研究常数深度 GNN 在仅使用有理权重时，能否达到 1-dimensional Weisfeiler-Leman（1-WL）测试的表达能力。作者给出以超越数论中的未解问题 Schanuel 猜想成立为前提的构造，并建立特定扩展设置下的部分逆向联系；主要贡献属于图模型表达能力理论，而非 EEG 或 BCI 解码方法。 作者报告，在 Schanuel 猜想成立的条件下，其 GNN 构造能够匹配 1-WL 的表达能力，权重甚至可取整数，也适用于较广范围的有理权重；激活函数可采用 logistic sigmoid、hyperbolic tangent 或相关函数。构造对所有图规模统一适用，但摘要未提供具体深度、隐藏维度、聚合算子及表达能力判定的完整定义，不能据此推断模型计算成本或实际训练可行性。 部分逆向结果针对允许图中存在特定辅助顶点的、表达能力稍强的设置：若以 exponentiation、hyperbolic sine 或 hyperbolic cosine 为激活函数的 GNN 能匹配 1-WL，则可推出限定于该 GNN 计算中所出现数值的 Schanuel 猜想。该结论并不等同于证明完整的 Schanuel 猜想，也不能直接推广到所有激活函数与普通图设置。 作者报告实验中所构造的 GNN 能够匹配 1-WL，但摘要未给出图集合、测试范围、比较指标或计算精度。实验协议、消融及统计信息尚未验证；复现时尤其需要核对精确数学运算与有限精度实现之间的关系。摘要未建立 EEG 图结构与该构造的具体机制对应，因此暂不提出 BCI 迁移或复现实验建议；已有 EEG 相关工作尚未检索确认。