这款新 GNN，让物理系统建模守得住守恒定律

背景：人工智能在复杂物理系统建模方面面临挑战，传统数值模拟计算成本高，而机器学习模型常缺乏物理规律约束。研究目的：瑞士洛桑联邦理工学院的研究人员提出了一种新的图神经网络架构DYNAMI-CAL GraphNet，旨在通过将线动量和角动量守恒定律直接嵌入模型结构，实现对复杂多体动力系统的高效、准确且物理一致的建模。结论：实验表明，该模型在颗粒碰撞、受约束N体系统、人体运动和蛋白质动力学等多个数据集上，其稳定性、泛化能力和长期预测精度均优于现有基线方法，在机器人技术、航空航天工程和材料科学等领域具有应用潜力。