生成有效的欧几里得距离矩阵

生成具有任意旋转、平移和枚举的点云（例如分子结构）仍然是一项具有挑战性的任务。同时，利用对称性不变层的神经网络已被证明能够以数据高效的方式优化其训练目标。本着这一思路，我们提出了一种可生成有效欧几里得距离矩阵的架构，该矩阵按构造在所描述的物体旋转和平移下已是不变的。受在笛卡尔空间中生成分子结构这一目标的启发，我们使用该架构构建了一个利用置换不变判别网络（critic network）的Wasserstein GAN。这使得通过生成具有三维嵌入的欧几里得距离矩阵，以一次性方式生成分子结构成为可能。