이 출처는 분자 속성 예측을 위해 **Kolmogorov–Arnold 그래프 신경망(KA-GNN)**이라는 새로운 딥러닝 프레임워크를 소개합니다. 저자들은 **그래프 신경망(GNN)**의 강점과 **Kolmogorov–Arnold 신경망(KAN)**의 효율성 및 해석력을 결합하여, 노드 임베딩, 메시지 전달, 그리고 리드아웃의 세 가지 주요 GNN 구성 요소에 KAN 모듈을 통합하는 방법을 설명합니다. 특히 푸리에 급수 기반의 KAN을 활용하여 함수 근사 능력을 향상시키고 이론적 근거를 제시합니다. 다양한 분자 벤치마크에 대한 실험을 통해 이 모델이 기존 GNN보다 정확도와 계산 효율성 면에서 우수하며, 화학적으로 의미 있는 부분 구조를 강조하여 해석 가능성을 높인다는 것을 보여줍니다.