Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
8/20/2026
First Seen
Sources
Related Claims
Unverified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60% similarUnverifiede3nn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60% similarUnverified贝叶斯网络通过有向无环图显式建模变量间的条件依赖关系，适合捕捉因果链条59% similarUnverifiedTensorFlow/Keras内置的tf.keras.utils.plot_model函数一行代码即可导出模型结构图57% similarUnverifiedSciML 的代表性方向包括物理信息神经网络（PINN）、神经算子（Neural Operator）、可微分仿真（Differentiable Simulation）57% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/778929API
curl https://kongchang.com/api/v1/knowledge/claims/778929MCP
get_claim(id=778929)