5月7日消息，据报道，DeepMind和谷歌的一项新研究聚焦检索和匹配图结构对象。首先，研究者展示了如何训练图神经网络（GNN）使之生成可在向量空间中执行高效相似性推理的图嵌入。其次，研究者提出了新型图匹配网络模型（GMN），该模型以一对图作为输入，通过基于跨图注意力的新型匹配机制进行联合推理，从而计算它们之间的相似性分数。

研究者证明GMN模型在不同领域中的有效性，包括基于控制流图的函数相似性搜索问题。GMN模型不止能在相似性学习的环境下利用结构，还能超越针对这些问题手动精心设计的特定领域基线系统。