本文综述等变图神经网络的研究进展,涵盖无需高阶表示即可实现三维等变性的EGNN、支持E(3)可变换网络的e3nn框架,以及在结构生物学大分子任务中的性能提升。同时探讨图神经网络向三角网格的扩展,包括利用Dirac算子实现稳定形状表示的Surface Networks和直接分析三维网格的MeshCNN。此外,还涉及等变矩阵乘积态消息传递对多体系统的建模、等变模型在流体力学中的更准确学习,以及通过域分解使MGN能够处理百万节点CFD模拟。
完成下面两步后,将自动完成登录并继续当前操作。