GNN是学习物理系统动力学的有效工具之一。现有方法要么完全忽略物理定律的对称性,要么考虑过多对称性,忽略了外部力场(如重力)所造成的对称性破却。本文首次提出了“子等变”的概念,即把欧氏GNN放缩成,只服从由外部力场所诱导子群上的等变GNN,并给出表达能力的完备性证明。Physion是近期由斯坦福大学、MIT等机构构建的数据集,包含了多种复杂刚体、变形体等物理对象的相互碰撞、摩擦、折叠等交互行为。在这个数据集以及其他相关任务上,我们验证了子等变GNN的必要性和有效性。 https://openreview.net/pdf?id=siG_S8mUWxf

成为VIP会员查看完整内容
17

相关内容

等变图神经网络综述解读
专知会员服务
26+阅读 · 2023年1月9日
【NeurIPS 2022】带有自适应节点采样的层次图Transformer
专知会员服务
29+阅读 · 2022年10月11日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
15+阅读 · 2021年5月30日
专知会员服务
29+阅读 · 2020年10月24日
【NeurIPS2020】图网的主邻域聚合
专知会员服务
33+阅读 · 2020年9月27日
图神经网络的困境,用微分几何和代数拓扑解决
机器之心
4+阅读 · 2022年3月27日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
13+阅读 · 2021年6月14日
Arxiv
21+阅读 · 2020年10月11日
VIP会员
相关VIP内容
等变图神经网络综述解读
专知会员服务
26+阅读 · 2023年1月9日
【NeurIPS 2022】带有自适应节点采样的层次图Transformer
专知会员服务
29+阅读 · 2022年10月11日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
15+阅读 · 2021年5月30日
专知会员服务
29+阅读 · 2020年10月24日
【NeurIPS2020】图网的主邻域聚合
专知会员服务
33+阅读 · 2020年9月27日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员