在 AI for Science 技术已经颇为成熟的当下,神经网络被大量用于分子结构建模,成为了量子力学模拟、材料发现、药物设计、反应设计等等领域的一种新的范式。
具体而言,这些神经网络往往以分子结构作为输入,预测分子势能、原子受力、分子毒性等等人们关心的性质。
分子结构在本质上是三维欧氏空间的点云,这一输入有别于图像、文本,有着比较强的物理对称性约束。
比如,当分子在真空中平移、旋转,分子的势能、受力也应该满足物理上的对称性。
这对神经网络的架构设计提出了所谓等变性(equivariance)的新要求。
Notebook 上手实践
围绕“神经网络与等变性”这一主题,我们为你带来了本期 Notebook《当我们说起神经网络的等变性,我们在谈论什么》。
在本期 Notebook 中,你可以了解到:
1. 等变性的概念、分子体系中常见的等变性
2. 神经网络与等变性的关系
3. 等变性相关的基础数学概念
4. 等变性在神经网络里的不同实现方式,以及它们的优劣
现在点击下方小程序来开始阅读吧!
Notebook 链接
https://nb.bohrium.dp.tech/detail/1342
👇 关注公众号,和我们一起开源、共建、共享 Notebook。
↓↓ 点击阅读原文直接查看 Notebook