mindscience.e3nn.so2_conv.SO2Convolution

class mindscience.e3nn.so2_conv.SO2Convolution(irreps_in, irreps_out)[源代码]

面向圆群的复值特征的 SO(2) 等变卷积层。

该层在两个 Irreps 空间之间映射，描述输入/输出在平面旋转下的变换方式。保持 m 量子数（SO(2) 不可约表示的索引）对角不混合，使每个 m 块独立处理。对于 \(m = 0\) （标量部分）使用实值全连接层；对于 \(m > 0\) 使用复值 \(1\times 1\) 卷积（以作用在实/虚部上的实值 \(2\times 2\) 权重矩阵实现）。

参数：

irreps_in (Union[str, Irreps]) - 输入不可约表示，例如 "3x0e + 2x1o" （3 个标量 + 2 个向量）。
irreps_out (Union[str, Irreps]) - 输出不可约表示，例如 "5x0e + 1x1o"。

输入：

x (list[Tensor]) - 实值张量列表，每个张量形状为 (batch, mul, 2l+1)，表示每个阶数 l 的复值 SO(2) 特征；最后一维为磁量子数索引 m = -l ... +l。
x_edge (Tensor) - 形状为 (edges, features) 的实值张量，包含在卷积过程中广播并与 SO(2) 特征结合的边（径向）属性。

输出：

tuple (Tensor) - 与 irreps_out 中每个 irrep 对应的一组实值张量；每个张量形状为 (batch, mul, 2l+1)，包含对应阶数 l 的复值 SO(2) 特征；最后一维为磁量子数索引 m = -l ... +l。

样例：

>>> import mindspore as ms
>>> from mindscience.e3nn.so2_conv import SO2Convolution
>>> conv = SO2Convolution("2x0e + 1x1o", "2x0e + 1x1o")
>>> x = [ms.ops.randn(4, 2, 1),
...      ms.ops.randn(4, 1, 3)]
>>> x_edge = ms.ops.randn(4, 10)
>>> out = conv(x, x_edge)
>>> len(out), out[0].shape, out[1].shape
(2, (4, 2, 1), (4, 1, 3))