NVIDIA/cuEquivariance
cuEquivariance is a math library that is a collective of low-level primitives and tensor ops to accelerate widely-used models, like DiffDock, MACE, Allegro and NEQUIP, based on equivariant neural networks. Also includes kernels for accelerated structure prediction.
解決的問題
簡化了建立尊重對稱性（等變性）的高性能幾何神經網路的過程，這對於建立在三維空間中資料效率高的穩健物理模型至關重要。
工作原理
該庫提供一個全面的 API 來描述分段多項式（由分段張量積構建），並使用優化 CUDA 內核高效執行這些操作。它為 PyTorch 和 JAX 提供原生綁定，以便無縫整合到機器學習工作流程中。
適用對象
需要在三維空間中實現旋轉和平移等變性的幾何神經網路和物理模型的研究人員與開發者。
主要亮點
- 透過優化 CUDA 內核實現高性能執行。
- 支援分段多項式與三角運算。
- 與 PyTorch 和 JAX 均相容。
- 專為尊重物理對稱性的資料高效型 AI 模型設計。
相關
- 專案
- 專案
- 專案
- 專案
- 專案