[B] 그래프 신경망 — 세미래티스를 학습하는 구조

날짜: 2026.04.16 개념명: 그래프 신경망 / 기하학적 딥러닝 (Graph Neural Network / Geometric Deep Learning) 푸는 것: 유클리드 공간이 아닌 그래프·다양체 구조의 데이터에서 패턴 학습. 노드 간 연결 관계 자체를 학습 대상으로 삼음 작동 원리: 각 노드가 이웃 노드의 정보를 집계(aggregation)하여 표현을 업데이트. 연결 구조가 곧 의미 — “connection determines meaning” Unfold 연결점: 세미래티스 구조를 그래프로 표현하면 GNN으로 Fit 패턴 학습 가능. 어떤 노드 연결이 어떤 액터에게 유효한 Fit인지 학습. PatternFold 단계에서 핵심 도구 연결 원리: Grasshopper 인사이트 “connection determines meaning” = GNN의 작동 원리와 동일. 세미래티스 뷰어(TASK-021)의 장기 확장 방향 블로그 각도: “연결이 의미를 만든다 — 그래프 신경망과 Unfold 세미래티스가 같은 말을 하는 이유”