本文研究了自然界中对称模式的识别和分析，以及其在物理学和化学结构研究中的应用。重点是利用协同多智能体强化学习问题中的欧几里得对称性，设计了具有对称约束的神经网络架构。该方法在协同多智能体强化学习基准测试中表现出优越性能，并展示了在未见场景中的零样本学习和迁移学习的泛化能力。

本文研究了自然界中对称模式的识别和分析，以及其在物理学和化学结构研究中的应用。重点是利用协同多智能体强化学习问题中的欧几里得对称性，设计了具有对称约束的神经网络架构。该架构在协同多智能体强化学习基准测试中表现出优越性能，并展示了在具有重复对称模式的未见场景中的零样本学习和迁移学习能力。