- 从对称性到几何性：易处理的非凸问题
本文探讨了研究数据驱动最优化问题时遇到的非凸问题，这些问题可以通过对称性的角度来理解它们表现出的几何结构及其与目标函数构建的相关性，并讨论了未来研究的方向。
- ICLR通过升维实现结构化卷积模型的无损压缩
本研究提出一种通过检测对称性和压缩神经模型的简单有效技术，来加速各种图形神经网络的计算，如分子分类和知识库完 意。
- 对象姿态估计的学习方向分布
本研究提出了两种学习方法来估计物体方向的分布，考虑到姿态估计的不准确性和物体的对称性，这些方法能够增强现有的位姿估计器，并在未知对称性的物体上表现出更好的性能。
- CVPREPOS：对具有对称性的物体估计 6D 姿态
通过使用编码器 - 解码器网络以及 PnP-RANSAC 算法，估算单张 3D 模型可得的 RGB 输入图像中刚性对象的 6D 位姿，对具有全局或部分对称性的挑战性物体采用紧凑表面片段进行表示。
- 利用神经网络检测对称性
本文介绍了一种使用神经网络来识别数据集中对称性的方法，并利用嵌入层的结构来识别对称性是否存在以及在输入中对称性的轨道。通过分析输入中的不变轨道，确定所存在的连续或离散对称群，并使用图表述的方式对完全交空间卡拉比 - 雅莫夫流形进行分类，并发 - ICLR拉格朗日神经网络
本文提出了一种使用神经网络来参数化任意 Lagrangian 的 Lagrangian 神经网络（LNNs），该方法不需要标准坐标，因此可适用于标准动量未知或难以计算的情况，并且在各种任务中产生遵守能量守恒条件的模型，通过在双摆和相对论粒子 - 零样本协调的 “其他 - 玩耍
本文探讨了如何通过使用 other-play 算法增强 self-play 算法，以解决在多智能体协同环境中遇到未知合作伙伴时的问题，并以 Hanabi 卡牌游戏为例展示了该算法的实验结果。
- 将对称性纳入深度动力学模型中以提高泛化性能
该研究提出将对称性引入卷积神经网络中，从而提高其在预测物理动态方面的准确性和泛化能力，该方法在实验和理论上都表现出了对分布转换的鲁棒性，并且在雷利 - 贝纳对流和真实世界的海洋表现上比传统方法更优秀。
- MM具有相同特征的非共面无重曲线
该论文研究了简单封闭曲线的等度数特征相等是完全相似的必要条件，但并不是充分条件，在非正常封闭曲线的情况下，节点可以沿着多种路径移动，导致一系列不全等的封闭曲线。
- 离散空间上的非可逆马尔可夫过程加速采样
研究了在离散空间中定义的分布的 MCMC 抽样，提出了一类高效的连续时间、非可逆算法，着重于利用底层空间的结构并探讨了对称性和群论概念如何优化空间探索，实验数据表明该算法在统计学、计算物理学、机器学习和密码学等领域的效果明显优于替代算法。
- 利用分子点群对称性降低量子模拟的量子比特要求
为了在限制条件下优化量子算法的资源利用，本文开发了如何减少模拟分子所需量子比特数的方法，用的是空间对称性的第二量子化表示，并将它们转换为它们的量子比特运算符表示。
- 关于物体对称性与图像中的 6D 姿态估计
本文研究了对象的对称性与其在图像中的出现之间的联系，并提出了一种基于姿态旋转归一化的简单有效的解决方案，并在 T-Less 数据集上验证了该方法。
- 使用更少量的量子比特进行变分量子本征求解器
通过渐进增加量子比特的数目，同时采用张量网络表示方式和对实际系统对称性的保留，我们提出了一种方法来研究近期噪声中等规模量子计算机上的量子多体系统的基态性质，并在实用场景中展示了其可行性。
- ICCV解释视觉数据中目标检测和 6D 姿态的歧义
本研究提出了一种解决 3D 物体检测和姿态估计中本质的模糊性的方法。对于每个物体实例，我们预测多个姿态和类别结果，以估计由对称和重复文理所产生的特定姿态分布。当视觉外观唯一识别出一个有效姿态时，分布将崩溃为单一结果。我们展示了我们的方法的好 - 多零件场景下对称感知的三维物体检测和位姿估计评估
本研究旨在解决 3D 物体检测与姿态估计的评估问题，通过自动技术生产全注释 RGBD 数据的多个对象，并提出一致的评估方法和数据集，以获得更高的性能表现。
- 定义任意三维刚性物体的姿态及其相关距离
本文提出了一种基于几何考虑的、用于描述刚体物体位姿的不依赖于任何人为调整的、基于刚体对称性的不变度量，可以有效地执行大量姿态的查询，如半径搜索或 k 最近邻搜索，并且可以用于简单的姿态平均，文中还提到了一种基于该度量方法的 3D 刚体姿态估 - 群等变卷积网络
介绍了一种新型卷积神经网络，称为 Group equivariant Convolutional Neural Networks (G-CNNs)，它通过利用对称性降低样本复杂度，使用新型层 G-convolutions，增加网络的表达能力 - 匿名博弈中近似均衡的查询复杂性
本研究探讨匿名博弈的均衡计算，通过先进行具有适应性的问题到博弈的支付函数计算的算法处理。讨论研究的主题是查询复杂度，即计算精确或近似纳什均衡所需的查询数量。研究发现不能通过查询有效算法找到精确均衡，但可以通过假设效用函数的进一步对称性或关注 - 教深度卷积神经网络下围棋
本文介绍了使用卷积神经网络进行围棋下棋预测的方法，采用一些新的技术，包括用于捆绑网络中的权重的方法，以硬编码预期存在于目标函数中的对称性，并证明它们在消融研究中可以显著提高性能。最终网络能够在两个不同的围棋数据集上达到 41.1％和 44. - 电机的基于能量建模
本文提出了一种基于能量考虑和电机结构对称性的电机建模新方法，以永磁同步电机为例展开讨论，并将其扩展到同步异步电动机，通过该方法能够恢复传统电机模型且避免繁琐的计算，此外还考虑了非正弦绕组或饱和等效应用并提供了实验数据。