待验证50% 置信事实精确时间
分子天然具有SE(3)/E(3)等变性，即物理性质不随整体旋转和平移改变；几何深度学习将物理对称先验内嵌于网络结构，使模型参数量更小、泛化更强
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
扩散模型革命：AI药物发现的下一个前沿
rss2026/7/1
相关事实
待验证e3nn已被应用于分子动力学势能面拟合（如NequIP、MACE等模型）、蛋白质结构预测和材料性质预测65% 相似待验证TFN（Tensor Field Networks）、SEGNN和EquiFold等模型将原子视为图节点，用球谐函数编码原子间方向信息，确保预测不依赖输入坐标系60% 相似待验证字节跳动开源了Protonics生物分子结构预测模型，该模型在核心能力上超越了AlphaFold 360% 相似待验证贝叶斯定理在朴素贝叶斯分类器、贝叶斯神经网络、变分自编码器（VAE）和扩散模型中都有直接应用57% 相似待验证Anthropic通过稀疏自编码器（SAE）将模型内部的多义性激活分解为更单纯的特征55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114579API
curl https://kongchang.com/api/v1/knowledge/claims/114579MCP
get_claim(id=114579)