159 页 e3nn 等变图神经网络开源讲义发布,配 60 道练习和 AI 导师
burkov · x · 2026-11-08
Mohammad Mostafanejad 编写的《Equivariant Graph Neural Networks with e3nn》(2026) 开放讲义已收录进 Chapter Pal 的开源课程笔记库。
e3nn 是基于 PyTorch 的开源模块化框架(另有 JAX 扩展 e3nn-jax),提供构建 E(3) 等变神经网络所需的数学基础设施,让模型原生理解三维物理空间,常用于分子与物理方向的研究。
讲义共 159 页、42 幅插图、60 道练习,练习已接入 AI 导师辅助学习,适合想入门等变 GNN 的读者。
「研究」频道最新
- 研究者指出:完全隐藏测试集的基准反而难获采用,因无法针对性优化 — srchvrs · 2026-11-09
- Scott Alexander 论战 Pinker:LLM scaling 曲线到底是指数还是幂律 — sebkrier · 2026-11-09
- YC Paper Club 深入 AI for Biology：从读数据到设计生命系统 — ycombinator · 2026-11-08
- 实测：花哨推荐系统一半时间输给「热门榜」基线 — dima806_dima · 2026-11-08
- NYT：OpenAI 进展动摇计算机科学核心假设 P vs NP — _akpiper · 2026-11-08
- 纯汇编跑通 Qwen3.5-0.8B：单 CPU 线程 6.51 tok/s 胜过 PyTorch — suayptalha · 2026-11-08