待验证50% 置信事实精确时间
E(3)-等变图神经网络已在蛋白质结构预测和分子性质预测中展现出显著优势
1
来源数
50%
置信度
长期有效
时效性
2026/9/2
首次发现
来源
涉及实体
相关事实
待验证e3nn已被应用于分子动力学势能面拟合（如NequIP、MACE等模型）、蛋白质结构预测和材料性质预测80% 相似待验证AlphaFold2通过引入注意力机制（Evoformer模块）和等变神经网络将蛋白质单体结构预测精度提升到接近实验级别70% 相似待验证分子天然具有SE(3)/E(3)等变性，即物理性质不随整体旋转和平移改变；几何深度学习将物理对称先验内嵌于网络结构，使模型参数量更小、泛化更强65% 相似待验证过参数化的神经网络优化容易收敛到好的解的现象可用Neural Tangent Kernel理论解释63% 相似待验证卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/846462API
curl https://kongchang.com/api/v1/knowledge/claims/846462MCP
get_claim(id=846462)