旋转等变物理量的预测方法、设备、存储介质和产品

本申请公开了旋转等变物理量的预测方法、设备、介质和产品，涉及电数字数据处理技术领域。其中，旋转等变物理量的预测方法包括：构建和训练非线性等变深度学习模型，非线性等变深度学习模型包括具有线性计算复杂度的图神经网络和解码器；非线性等变深度学习模型训练完成时将待测材料结构的物理系统模型输入至非线性等变深度学习模型；使用图神经网络提取旋转等变特征；根据梯度诱导机制转换旋转等变特征对应的非线性旋转不变特征，得到非线性旋转等变特征；使用解码器解码非线性旋转等变特征，得到待测材料结构的旋转等变物理量。本申请能够解决现有技术难以同时保证旋转等变物理量的预测精度和计算效率，限制了材料结构的应用的技术问题。