Message Passing Neural Network 의미를 함의하는 3가지 후보 (M / P / O). 모두 Charcoal + Amber. 교수님 연구 (NequIP / MACE / SchNet 류 MLIP) 의 핵심인 "이웃 노드 메시지 → 중앙 노드 aggregation" 도식이 자연스럽게 읽히도록 설계.
중앙 Li를 향해 5개 이웃 원자에서 화살표가 모두 안쪽으로 모입니다. MPNN의 핵심 연산인 "neighbor aggregation"을 가장 직접적으로 시각화. 모든 5개 메시지 채널이 동등하게 활성 (균등한 attention). 결정/분자 안의 중심 원자가 자신의 환경(이웃)으로부터 정보를 받아 representation을 업데이트하는 모습.
(b) Weight gradient + (M) inward arrows의 결합. 모든 엣지가 다른 두께/투명도로 학습된 weight distribution을 보여주는 한편, 가장 강한 2-3개 메시지 채널만 화살표로 표시되어 "ML이 학습으로 어떤 이웃의 메시지가 중요한지 알아냈고, 그것들이 중앙 Li로 aggregating 되고 있다"는 MPNN의 완전한 워크플로우를 보여줌. 의미적으로 가장 풍부.
MPNN의 여러 step 전파(iterative propagation)를 표현. 1-hop 엣지(Li-이웃)는 굵은 amber + inward arrow, 2-hop 엣지(이웃-이웃, perimeter)는 더 옅은 amber dashed line. 두 개의 옅은 동심원이 receptive field expansion (layer 1 → layer 2)을 암시. 가장 예술적/추상적이며, deep MPNN 아키텍처의 "정보가 그래프를 따라 여러 hop으로 퍼져나간다"는 동적인 느낌이 강함.
세 후보의 차이:
• M — 가장 깔끔, 가장 직접적 MPNN 도식 (neighbor → center aggregation). 5개 메시지가 모두 동등.
• P — 가장 의미적으로 완전 (learned weights + aggregation). 디자인 복잡도 중간.
• O — 가장 동적/예술적 (multi-hop iterative propagation). 두 동심원이 추가 디테일.
어떤 게 가장 마음에 드시나요? 아니면 셋의 hybrid (예: M의 단순함 + O의 동심원 일부만)도 가능합니다.