AIDD·Atlas AI 制药学习地图
160

等变神经网络:3D 分子模型必须尊重旋转和平移对称性

等变网络把 SE(3)/E(3) 对称性写进模型,使坐标、力、构象和复合物任务更物理一致。它解决几何问题,但不自动解决数据问题。

三维分子任务里,整体旋转或平移不应改变能量、亲和力等标量;如果输出是力或坐标,则应随输入一起旋转。这就是不变性等变性的核心。

为什么重要

  • 物理一致:模型不会因为坐标系改变而给出不同物理结论。
  • 数据效率:不必靠大量旋转增强让模型“学会”对称性。
  • 适合 3D 任务:构象生成、力场、对接、蛋白结构、复合物建模都需要几何归纳偏置。

边界

  • 等变性只保证几何形式合理,不保证训练数据覆盖真实化学空间。
  • 输入质子化、互变异构、构象采样、口袋状态错误,等变模型也会错。
  • 小分子性质任务未必都需要 SE(3) 等变,2D 模型可能更简单稳健。

关键要点

  • 3D 模型要区分不变输出和等变输出;
  • 等变网络提高物理一致性和数据效率;
  • 几何归纳偏置不能替代数据质量和化学前处理。

延伸资源

  • 配套:142《Uni-Mol》、101《DiffDock》、102《EquiBind》。