分享+圆桌：几何图嵌入与几何深度学习的存在价值｜周五直播·几何深度学习读书会

文章预览

导语 科学领域中的分子、蛋白质、抗体、晶体等物质以及宏观物理世界中不同形状的物体，均具有特定的空间几何结构，构成了一类重要的数据形态——几何图。与社交网络中的拓扑图不同，几何图中的节点占据了一定的空间位置，需要满足某些内蕴的物理性质，比如对称性，导致传统的图神经网络难以处理几何图。近年来，等变图神经网络由于有效嵌入了对称性，具有良好的解释性、泛化性和通用性，在分子系统表示上得到了广泛应用。与此同时，纯数据驱动大语言模型成功的今天，几何等先验知识的嵌入是否还有必要？ 「几何深度学习」读书会 第 三期将由发起人之一中国人民大学副教授黄文炳，带领大家回顾等变图神经网络的演进历程，并揭示这一技术如何助力科学研究的深入发展。特别地，本期三位发起人老师开启圆桌，将共同讨论几何 ………………………………