图神经网络已被证明是对图结构数据的不同预测任务的有效模型。本次演讲将结合主邻域聚合(NeurIPS 2020)和有向图网络(在NeurIPS 2020的DiffGeo4DL研讨会上发言)的研究。我们将检查图神经网络的表达能力，显示当涉及到连续特征空间和定向核时的局限性。这些都将促使GNN的聚合方法得到改进，从而使我们能够全面泛化CNN。来自分子化学和计算机视觉基准的实证结果将验证我们的发现。