待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/21
首次发现
有效期至：2026/11/19
来源
相关事实
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 369% 相似待验证分子天然具有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% 相似待验证混元Hy3是一个多模态大模型，同时具备Agent能力和Coding能力60% 相似待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/784023API
curl https://kongchang.com/api/v1/knowledge/claims/784023MCP
get_claim(id=784023)