科学领域中的分子、蛋白质、抗体、晶体等物质以及宏观物理世界中不同形状的物体，均具有特定的空间几何结构，构成了一类重要的数据形态——几何图。与社交网络中的拓扑图不同，几何图中的节点占据了一定的空间位置，需要满足某些内蕴的物理性质，比如对称性，导致传统的图神经网络难以处理几何图。近年来，等变图神经网络由于有效嵌入了对称性，具有良好的解释性、泛化性和通用性，在分子系统表示上得到了广泛应用。与此同时，纯数据驱动大语言九游体育科技模型成功的今天，几何等先验知识的嵌入是否还有必要？

　　三期将由发起人之一中国人民大学副教授黄文炳，带领大家回顾等变图神经网络的演进历程，并揭示这一技术如何助力科学研究的深入发展。特别地，本期三位发起人老师开启圆桌，将共同讨论几何深度学习的基本定义、挑战、发展九游体育科技与未来，以及如何系统性学习相关知识。读书会将于周五晚（7月26日）19:00-21:00进行，欢迎感兴趣的朋友参与讨论交流！

　　黄老师将梳理等变图神经网络的发展概况，并且介绍课题组近期在药物发现、晶体设计等重要科学任务上的应用情况。此前，黄老

　　师在「图神经网络与组合优化」读书会简要介绍了等变图神经网络及其在微观分子空间以及宏观具身空间的应用例子，该分享已整理为笔记，供成员快速学习。

　　相较之前的分享，本次分享黄老师将更深入全面地介绍几何先验知识嵌入的理论和模型，以及课题组最新的成果。

　　包括本期在内的前三期对拓扑/几何深度学习的背景、理论、基础模型，尤其是单纯复形消息传递网络、双曲几何神经网络以及等变图神经网络有全面深入的介绍。几何深度学习领域内学者不断利用几何先验知识设计新的模型，从而捕捉数据更深的结构特征。与此同时，大语言模型的成功使得部分研究者倾向于相信纯数据驱动就能高效完成目标任务。基于已有的分享和研究者们对几何深度学习的反思，三位发起人将与社区成员共同开展圆桌讨论，面向初学者和探索者，对几何深度学习的基本定义、应用与未来、以及高效学习办法进行系统性的研讨；对大语言模型冲击下几何深度学习的存在价值进行探讨。

　　5. 几何深度学习涉及的知识和研究领域很多，如何能系统、高效地学习几何深度学习相关知识？

　　•推荐语：这篇文章基于物理规律必须满足SE（3）对称性的重要假设，从群表示论中引入球谐函数、Wigner-D矩阵、CG张量积等概念，嵌入到图神经网络中，提出了张量场网络TFN。这是最早将具有对称性的图神经网络引入到三维物理系统建模中的开创性工作。

　　•推荐语：这篇文章摒弃了前一篇论文TFN中的高阶表示量，只利用向量之间的内积构建了具有对称性的图神经网络EGNN，极大提升了模型的效率，并且在许多实际任务中打败了传统数学形式更完备但计算更复杂的模型。

　　扫码参与几何深度学习读书会，加入群聊，获取系列读书会回看权限，加入图神经网络与几何深度学习社区，与社区的一线科研工作者沟通交流，共同推动几何深度学习这一前沿领域的发展。

　　读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。

　　拓扑编织着复杂世界，机器学习孕育着技术奇点。一个维度，其中拓扑理论与深度学习模型交织共鸣；一个领域，它跨越了数学的严谨与本质以及人工智能的无限可能，开辟着通往科学新纪元的航道。让我们携手在几何深度学习的起点出发，一路探索如何走向AI for Science的无限未来。

　　集智俱乐部联合中国人民大学黄文炳副教授、上海交通大学王宇光副教授和南洋理工大学夏克林副教授发起「几何深度学习」读书会。从2024年7月11日开始，每周四19:00-21:00进行，持续时间预计 8-10 周，社区成员将一起系统性地学习几何深度学习相关知识、模型、算法，深入梳理相关文献、激发跨学科的学术火花、共同打造国内首个几何深度学习社区！欢迎加入社区与发起人老师一起探索！