Rotation-equivariant Graph Neural Networks zur Erlernung von Darstellungen von glasigen Flüssigkeiten
Durch den Einsatz von rotations-äquivarianten Graph Neuronalen Netzen können robuste Darstellungen der statischen Struktur von Gläsern erlernt werden, die eine deutlich höhere Vorhersagekraft für die Teilchenmobilität aufweisen als bisherige Methoden.