【NeurIPS 2022】子等变图神经网络学习物理动态

GNN是学习物理系统动力学的有效工具之一。现有方法要么完全忽略物理定律的对称性，要么考虑过多对称性，忽略了外部力场（如重力）所造成的对称性破却。本文首次提出了“子等变”的概念，即把欧氏GNN放缩成，只服从由外部力场所诱导子群上的等变GNN，并给出表达能力的完备性证明。Physion是近期由斯坦福大学、MIT等机构构建的数据集，包含了多种复杂刚体、变形体等物理对象的相互碰撞、摩擦、折叠等交互行为。在这个数据集以及其他相关任务上，我们验证了子等变GNN的必要性和有效性。 https://openreview.net/pdf?id=siG_S8mUWxf