GEqTrain 框架增强了 GNN 在 3D 科学任务中的可重用性

研究人员开发了 GEqTrain，这是一个旨在增强等变图神经网络 (GNN) 在 3D 科学任务中可重用性的新框架。这个驱动式系统将数据集语义、模型组成和训练目标分开，允许通过更改配置来简单地将单个等变骨干网络和训练基础设施适应新问题。该框架已在生物分子系统回溯、NMR 化学位移预测和等变生成建模方面得到验证，在减少软件开销的同时，在各种任务中都显示出具有竞争力的准确性。此外，GEqDiff，一个生成式扩展，能够联合重建笛卡尔坐标和非标量节点场。 AI

影响 增强了等变 GNN 在各种科学应用中的可重用性和可复现性。

排序理由 该集群包含一篇详细介绍新机器学习模型框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Daniele Angioletti
• Equivariant Graph Neural Networks
• GEqDiff
• GEqTrain
• Gotit.pub
• Hugging Face
• Hydra

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →