在 AI for Science 技术已经颇为成熟的当下，神经网络被大量用于分子结构建模，成为了量子力学模拟、材料发现、药物设计、反应设计等等领域的一种新的范式。具体而言，这些神经网络往往以分子结构作为输入，预测分子势能、原子受力、分子毒性等等人们关心的性质。分子结构在本质上是三维欧氏空间的点云，这一输入有别于图像、文本，有着比较强的物理对称性约束。比如，当分子在真空中平移、旋转，分子的势能、受力也应该满足物理上的对称性。这对神经网络的架构设计提出了所谓等变性（equivariance）的新要求。
Notebook 上手实践
围绕“神经网络与等变性”这一主题，我们为你带来了本期 Notebook《当我们说起神经网络的等变性，我们在谈论什么》。在本期 Notebook 中，你可以了解到：
- 等变性的概念、分子体系中常见的等变性
- 神经网络与等变性的关系
- 等变性相关的基础数学概念
- 等变性在神经网络里的不同实现方式，以及它们的优劣
现在点击下方图片来开始阅读吧！
欢迎来 Notebook 案例广场，获取更多有意思的notebook实践～
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。