该研究使用图神经网络的有监督学习方法解决社区检测问题，比信念传播算法表现更好。同时，对线性GNN进行社区检测问题训练的优化梯度进行了分析。

本文介绍了三个Bethe-Kikuchi变分原理及其与信念传播算法在超图上的关系。该文推广了信念传播方程的结构，解决了最大熵原理、变分自由能原理和平衡自由能原理中的局部版本。该文证明了Bethe-Kikuchi泛函的临界点和稳态信念都位于两个约束曲面的非线性交点上，分别强制能量守恒和边缘一致性。同时，该文描述了奇异信念的超曲面，当约束曲面以切线相遇时，平衡变得不稳定。