【Hackathon 10th Spring No.19】RFC: Add SphereNet model to PaddleMaterials

[danqing-li]

【Hackathon 10th Spring No.19】RFC: Add SphereNet model to PaddleMaterials

概述

本 RFC 提出将 SphereNet（球面等变图神经网络，用于分子和材料的 3D 几何深度学习）模型复现并集成到 PaddleMaterials 中。

• 论文：arXiv:2110.05170, ICLR 2022
• 原始代码：https://github.com/divelab/DIG （dig/threedgraph/method/spherenet/ 模块）
• 关联 issue：PPMat-Model Reproducibility Co-creation Initiative / PPMat-模型复现共建计划 PaddleMaterials#194 （模型列表第 14 项）
• 任务编号：Hackathon 10th Spring No.19 SphereNet 模型复现

主要内容

1. 将 SphereNet 模型从 PyTorch（DIG 库）迁移至 Paddle，集成到 ppmat/models/spherenet/
2. 实现球面嵌入模块（距离 RBF + 键角嵌入 + 二面角嵌入）和球面消息传递交互层
3. 适配 PaddleMaterials 统一的 trainer/predictor/sampler 模式，复用 build_molecule 工厂函数
4. 复现论文中 QM9 基准数据集上的属性预测结果（MAE 误差控制在 ±1% 以内）
5. 新建 spherical_equivariant_gnn/ 任务目录，填补 PaddleMaterials 在球面等变 GNN 领域的空白

技术特点

• SphereNet 架构基于球面坐标消息传递，引入键角 + 二面角特征，实现 SE(3) 等变性
• 四元组消息传递 (i,j,k,l)，比传统边对 GNN 捕获更高阶结构信息
• torch→Paddle 迁移涉及球面几何计算（acos、atan2、cross），所有核心 API 均有对应实现，无自定义 CUDA 算子
• 架构复杂度中高（~600 行核心代码），但依赖项风险低

排期

2~3周完成（环境搭建 → 球面嵌入与几何特征 → 交互层与主模型 → 训练复现 → 文档 PR）

[CLAassistant]

All committers have signed the CLA.

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请检查PR提交格式和内容是否完备，具体请参考示例和模版。
Your PR has been submitted. Thanks for your contribution!
Please check its format and content. For this, you can refer to Template and Demo.