【IEEE Wireless Communications 2025年2月】2月，北京交通大学轨道交通控制与安全国家重点实验室艾渤教授研究团队，针对无线通信网络研究了图神经网络的应用。相关成果以“Graph Neural Networks for Wireless Networks: Graph Representation, Architecture and Evaluation”为题，在《IEEE Wireless Communications》杂志上发表。

图神经网络（GNN）已被视为促进深度学习（DL）以革新无线网络资源分配的基本模型。基于 GNN 的模型能够学习代表无线网络中图的结构信息，以适应时变信道的状态信息和网络拓扑动态。文中，研究团队旨在通过回答三个基本问题，即如何将无线网络的系统参数输入到 GNN 中、如何提高 GNN 的表达性能以及如何评估 GNN，为将 GNN 应用于优化无线网络提供全面概述。特别地，研究团队给出了两种图表示方法，可将无线网络参数转换为图结构数据。然后，通过基本的消息传递以及模型改进方法（包括多头注意力机制和残差结构）分析基于 GNN 的模型的架构设计。最后，给出了面向任务的深度学习赋能无线资源分配方案的评估指标。文章还讨论了图神经网络在无线网络应用中的一些挑战和潜在的研究方向。（电子信息学科研究院路新华编译）