松弛等价图神经网络
机器学习
2024-12-11 v2
摘要
3 维欧几里得对称等价神经网络在建模复杂物理系统方面取得了显著的成功。我们引入了一套用于松弛 图等价神经网络的框架，能够学习并表示连续群中的对称性破缺。基于现有的 e3nn 框架，我们提出使用松弛权重以实现受控的对称性破缺。我们通过实证研究表明，这些松弛权重会学习到正确的对称性破缺程度。
引用
@article{arxiv.2407.20471,
title = {Relaxed Equivariant Graph Neural Networks},
author = {Elyssa Hofgard and Rui Wang and Robin Walters and Tess Smidt},
journal= {arXiv preprint arXiv:2407.20471},
year = {2024}
}
备注
Extended abstract presented at the Geometry-grounded Representation Learning and Generative Modeling Workshop (GRaM) at the 41st International Conference on Machine Learning, July 2024, Vienna, Austria