群卷积：从“方向骰子“到几何人工智能

一、引言

我最近在《数学文化》第17卷第2期上发表了一篇文章**《卷积：从掷骰子到人工智能的数学之旅》**1^\text{1}1，其核心思想是：卷积并非信号处理教材里那个"翻转---滑动---加权叠加 "的奇怪规则，它本质上就是计算"两个独立随机变量之和的分布"。掷两颗骰子，问点数和为7的概率是多少？把所有能凑成7的配对找出来，概率相乘再相加------这就是卷积。理解了这一点，翻转、滑动、加权叠加这套操作就全都有了自然的解释。

那篇文章讲的是普通卷积------即定义在数轴（或整数格点）上的卷积。但卷积这个概念并不局限于数轴。事实上，只要有一个"合并两个东西"的运算规则，就可以定义相应的卷积。骰子点数用的是加法，但合并两个东西的方式也可以是旋转、平移，或者更一般的变换。这引导我们走向了一个更广阔的概念------群卷积（Group Convolution）。

群卷积正是几何深度学习 （Geometric Deep Learning）最核心的数学工具之一2^\text{2}2。它让神经网络能够"理解"物理世界的旋转、平移和对称性，从而在分子动力学、3D视觉、蛋白质结构预测等领域展现出惊人的效果。

要真正理解群卷积如何落地到这些应用中，仅仅知道"复合固定"还不够。我们还需要引入另外三个紧密相关的数学概念------李群、李代数、李括号。它们共同构成了从"群卷积的直觉"到"可计算的神经网络"之间的完整桥梁。下面我们就来一层层揭开它们的关系。

二、从普通骰子到"方向骰子"

普通骰子的每个面是一个数字。现在设想一种升级版的骰子------它的每个面不是数字，而是一个旋转角度 。最简单的情况：考虑平面内的旋转，骰子的六个面分别对应绕中心旋转 0∘0^\circ0∘、60∘60^\circ60∘、120∘120^\circ120∘、180∘180^\circ180∘、240∘240^\circ240∘、300∘300^\circ300∘。我们称它为"方向骰子"。

这里的关键假设是：两颗方向骰子的旋转轴不一定相同。 比如骰子 AAA 的六个面是绕 XXX 轴旋转不同角度，骰子 BBB 的六个面是绕 YYY 轴旋转不同角度。正是因为旋转轴不同（或不固定），旋转的复合才不可交换，群卷积才真正体现出与普通卷积的本质差异。如果两颗骰子绕同一根轴旋转，那就退化为普通的角度加减，群卷积也就变回了普通卷积。

现在同时掷两颗这样的方向骰子 AAA 和 BBB。规则是：先做 AAA 的旋转，再做 BBB 的旋转。问：总旋转恰好为 180∘180^\circ180∘ 的概率是多少？

计算方法与普通骰子如出一辙。把所有配对 (θA,θB)(\theta_A, \theta_B)(θA,θB) 找出来，使得"先转 θA\theta_AθA、再转 θB\theta_BθB"等于总旋转 180∘180^\circ180∘，然后将每对的概率相乘，再累加。

唯一的区别在于配对条件。普通骰子的配对条件是：

θA+θB=180∘ \theta_A + \theta_B = 180^\circ θA+θB=180∘

而方向骰子的配对条件是：

θA∘θB=180∘ \theta_A \circ \theta_B = 180^\circ θA∘θB=180∘

其中 ∘\circ∘ 表示旋转的复合操作 。在数学上，旋转的复合就是矩阵乘法。这个小小的改变，正是普通卷积与群卷积的分水岭。

普通卷积是"和固定"，群卷积是"复合固定"。

普通卷积里的"翻转"对应方向骰子里的什么操作？在普通骰子中，为了凑和为7，我们把第二颗骰子的点数顺序翻转过来（6,5,4,3,2,1），与第一颗骰子（1,2,3,4,5,6）一一对齐。在方向骰子中，给定总旋转 ggg 和第一个旋转 aaa，第二个旋转必须是：

b=a−1∘g b = a^{-1} \circ g b=a−1∘g

即"先做 aaa 的逆变换，再做 ggg"。这取代了普通数轴上的减法 z−xz - xz−x。在数轴上，z−x=z+(−x)z - x = z + (-x)z−x=z+(−x)，其中 −x-x−x 是 xxx 的加法逆元；在群上，a−1∘ga^{-1} \circ ga−1∘g 是 aaa 的逆元与 ggg 的复合。结构完全一致，只是把"加法群 "换成了"旋转群"。

这个简单的推广揭示了一个深刻的数学事实：

卷积的运算规则是"配对加权求和"。至于配对的条件是"和为定值"还是"复合为定值"，取决于底层的代数结构。

三、群卷积的数学定义

有了上面的直观，群卷积的公式就顺理成章了。

普通离散卷积 （定义在整数加法群 Z\mathbb{Z}Z 上）：

(f∗g)(n)=∑k∈Zf(k)⋅g(n−k) (f * g)(n) = \sum_{k \in \mathbb{Z}} f(k) \cdot g(n - k) (f∗g)(n)=k∈Z∑f(k)⋅g(n−k)

群卷积 （定义在一般群 GGG 上）：

(f∗g)(h)=∑k∈Gf(k)⋅g(k−1∘h) (f * g)(h) = \sum_{k \in G} f(k) \cdot g(k^{-1} \circ h) (f∗g)(h)=k∈G∑f(k)⋅g(k−1∘h)

其中 k−1k^{-1}k−1 是 kkk 在群 GGG 中的逆元，∘\circ∘ 是群的乘法运算。当 GGG 是连续群 （如旋转群 SO(3)SO(3)SO(3)）时，求和变为积分：

(f∗g)(h)=∫Gf(k)⋅g(k−1∘h) dμ(k) (f * g)(h) = \int_{G} f(k) \cdot g(k^{-1} \circ h) \, d\mu(k) (f∗g)(h)=∫Gf(k)⋅g(k−1∘h)dμ(k)

这里的积分使用哈尔测度 （Haar measure）------它是群上唯一（在某种意义上）的"均匀"积分方式，可以理解为普通积分的 dxdxdx 在群上的推广。

核心洞察 ：普通卷积是群卷积在 G=(R,+)G = (\mathbb{R}, +)G=(R,+) 时的特例。因为此时 k−1∘h=−k+h=h−kk^{-1} \circ h = -k + h = h - kk−1∘h=−k+h=h−k，求和变为积分，完美还原。

四、从群到李群：连续对称性的数学语言

方向骰子只有六个离散的旋转角度，但物理世界中的旋转是连续 的------分子可以旋转任意角度，不只是 60∘60^\circ60∘ 的倍数。描述连续旋转的数学结构，就是李群（Lie Group）。

4.1 李群是什么

李群 是一个同时具有群结构 和光滑流形结构的数学对象。通俗地说，它既是一个可以"复合"和"求逆"的代数结构，又是一个可以"连续滑动"的几何空间。

三维空间中的所有旋转组成的集合 SO(3)SO(3)SO(3)（Special Orthogonal Group in 3D）是最重要的李群之一。它包含所有满足行列式为1的正交 3×33\times 33×3 矩阵。每一个这样的矩阵对应一个旋转操作。

李群的"连续滑动"性质意味着：我们可以从单位元（即"不旋转"）出发，沿着某个方向连续地旋转任意小的角度。这就引出了李代数。

4.2 李代数：李群的"局部线性化"

李代数 是李群在单位元处的切空间 ，记作 g\mathfrak{g}g。它是一个线性空间，因此可以做加法、数乘，可以方便地进行计算。

对于旋转群 SO(3)SO(3)SO(3)，其李代数 so(3)\mathfrak{so}(3)so(3) 由所有 3×33\times 33×3 反对称矩阵组成：

Ω=(0−ω3ω2ω30−ω1−ω2ω10) \Omega = \begin{pmatrix} 0 & -\omega_3 & \omega_2 \\ \omega_3 & 0 & -\omega_1 \\ -\omega_2 & \omega_1 & 0 \end{pmatrix} Ω= 0ω3−ω2−ω30ω1ω2−ω10

这个矩阵只有三个独立参数 ω=(ω1,ω2,ω3)\omega = (\omega_1, \omega_2, \omega_3)ω=(ω1,ω2,ω3)，它们正好编码了旋转轴和旋转角度 的信息：ω\omegaω 的方向是旋转轴，长度是旋转角度。

为什么李代数如此重要？因为它是线性的。

在群卷积中，我们需要在群上"滑动"卷积核。但如果直接在 SO(3)SO(3)SO(3) 上做滑动------即在弯曲的旋转流形上移动------数学上极其困难：矩阵乘法不可交换，不能简单地做加法。而李代数提供了一个解决方法：

• 在李代数 （平直空间）中做线性移动：ω→ω+Δω\omega \to \omega + \Delta\omegaω→ω+Δω
• 通过指数映射（Exponential Map）将移动后的李代数元素"贴"回李群：

R=exp⁡(Ω)=I+Ω+12!Ω2+13!Ω3+⋯ R = \exp(\Omega) = I + \Omega + \frac{1}{2!}\Omega^2 + \frac{1}{3!}\Omega^3 + \cdots R=exp(Ω)=I+Ω+2!1Ω2+3!1Ω3+⋯

这个级数看起来复杂，但对于反对称矩阵，它可以简化为罗德里格斯公式（Rodrigues' formula）：

R=I+sin⁡θθΩ+1−cos⁡θθ2Ω2 R = I + \frac{\sin\theta}{\theta}\Omega + \frac{1 - \cos\theta}{\theta^2}\Omega^2 R=I+θsinθΩ+θ21−cosθΩ2

其中 θ=∥ω∥\theta = \|\omega\|θ=∥ω∥ 是旋转角度。

罗德里格斯公式的推导 ：设 u=ω/θu = \omega/\thetau=ω/θ 为单位旋转轴，UUU 为对应的反对称矩阵。反对称矩阵有一个漂亮的性质：U3=−UU^3 = -UU3=−U。利用这个循环关系，将指数级数 exp⁡(θU)=I+θU+θ22!U2+θ33!U3+⋯\exp(\theta U) = I + \theta U + \frac{\theta^2}{2!}U^2 + \frac{\theta^3}{3!}U^3 + \cdotsexp(θU)=I+θU+2!θ2U2+3!θ3U3+⋯ 按 UUU 和 U2U^2U2 分组，UUU 的系数为 sin⁡θ\sin\thetasinθ，U2U^2U2 的系数为 1−cos⁡θ1 - \cos\theta1−cosθ，即得 R=I+(sin⁡θ)U+(1−cos⁡θ)U2R = I + (\sin\theta)U + (1 - \cos\theta)U^2R=I+(sinθ)U+(1−cosθ)U2。再把 U=Ω/θU = \Omega/\thetaU=Ω/θ 代回，就得到上面的公式。这个公式最早由欧拉 在1775年左右发现，而法国数学家罗德里格斯（Rodrigues，1795--1851）在1840年给出了更明确的矩阵表达式，因此以他的名字命名。

Benjamin Olinde Rodrigues

反过来，给定一个旋转矩阵 RRR，我们可以通过对数映射（Logarithmic Map）将它"拉回"到李代数：

ω=log⁡(R) \omega = \log(R) ω=log(R)

具体地，旋转角度由矩阵的迹给出：

θ=arccos⁡(tr(R)−12) \theta = \arccos\left(\frac{\text{tr}(R) - 1}{2}\right) θ=arccos(2tr(R)−1)

为什么迹能给出角度？我们从罗德里格斯公式出发：

R=I+(sin⁡θ)U+(1−cos⁡θ)U2 R = I + (\sin\theta)U + (1 - \cos\theta)U^2 R=I+(sinθ)U+(1−cosθ)U2

两边同时取迹，利用迹的线性性质 tr(A+B)=tr(A)+tr(B)\text{tr}(A+B)=\text{tr}(A)+\text{tr}(B)tr(A+B)=tr(A)+tr(B)：

tr(R)=tr(I)+sin⁡θ⋅tr(U)+(1−cos⁡θ)⋅tr(U2) \text{tr}(R) = \text{tr}(I) + \sin\theta \cdot \text{tr}(U) + (1 - \cos\theta) \cdot \text{tr}(U^2) tr(R)=tr(I)+sinθ⋅tr(U)+(1−cosθ)⋅tr(U2)

逐项计算：

• tr(I)=3\text{tr}(I) = 3tr(I)=3
• tr(U)=0\text{tr}(U) = 0tr(U)=0（反对称矩阵对角线为零）
• tr(U2)=−2\text{tr}(U^2) = -2tr(U2)=−2（因为 U2=uu⊤−IU^2 = uu^\top - IU2=uu⊤−I，其迹为 1−3=−21 - 3 = -21−3=−2）

代入得：

tr(R)=3+0+(1−cos⁡θ)⋅(−2)=1+2cos⁡θ \text{tr}(R) = 3 + 0 + (1 - \cos\theta) \cdot (-2) = 1 + 2\cos\theta tr(R)=3+0+(1−cosθ)⋅(−2)=1+2cosθ

所以 cos⁡θ=(tr(R)−1)/2\cos\theta = (\text{tr}(R) - 1)/2cosθ=(tr(R)−1)/2，反解即得 θ=arccos⁡((tr(R)−1)/2)\theta = \arccos((\text{tr}(R) - 1)/2)θ=arccos((tr(R)−1)/2)。这个推导说明：旋转矩阵的迹只依赖于旋转角度 θ\thetaθ，与旋转轴 uuu 的方向无关------这正是我们能够从迹反推出角度的根本原因。

图1：旋转矩阵的迹与旋转角度的关系。左图展示 tr(R)=1+2cos⁡θ\text{tr}(R) = 1 + 2\cos\thetatr(R)=1+2cosθ 在 0,π0, \\pi0,π 上的曲线，可见迹只依赖于旋转角度 θ\thetaθ，与旋转轴的方向无关。右图展示对数映射的核心操作：给定旋转矩阵的迹后，通过 arccos⁡\arccosarccos 反推出旋转角度。例如当 tr(R)=0.5\text{tr}(R) = 0.5tr(R)=0.5 时，反推得到 θ≈75.5∘\theta \approx 75.5^\circθ≈75.5∘。图中标注了 0∘0^\circ0∘、90∘90^\circ90∘、180∘180^\circ180∘ 等关键角度对应的迹值（分别为3、1、-1）。特殊情况：θ=0\theta=0θ=0 时迹为3，θ=180∘\theta=180^\circθ=180∘ 时迹为-1。

旋转轴则由矩阵的反对称部分提取：

U=R−R⊤2sin⁡θ,即ω=θ⋅轴向量 U = \frac{R - R^\top}{2\sin\theta}, \quad \text{即} \quad \omega = \theta \cdot \text{轴向量} U=2sinθR−R⊤,即ω=θ⋅轴向量

因为罗德里格斯公式中，反对称部分 (sin⁡θ)U(\sin\theta)U(sinθ)U 单独包含了轴的信息。一句话总结：迹给出角度，反对称部分给出轴。 旋转矩阵的迹只依赖旋转角，不依赖旋转轴；而矩阵减去它的转置，刚好把"轴×角度"的信息单独拎了出来。

需要注意两个特殊情况：

• 当 θ=0\theta = 0θ=0（即 R=IR = IR=I，没有旋转）时，tr(R)=3\text{tr}(R) = 3tr(R)=3，公式给出 θ=0\theta = 0θ=0。此时 R−R⊤=0R - R^\top = 0R−R⊤=0，无法提取轴------但既然没有旋转，轴也无意义。
• 当 θ=π\theta = \piθ=π（旋转180°）时，tr(R)=−1\text{tr}(R) = -1tr(R)=−1，sin⁡θ=0\sin\theta = 0sinθ=0，公式中的除法 / (2\\sin\\theta) 失效。此时需要特殊处理：旋转180°的矩阵可写成 R=2uu⊤−IR = 2uu^\top - IR=2uu⊤−I，可以从 RRR 的对角元或特征向量中提取旋转轴 uuu。

图2：李群与李代数的几何关系。球面代表李群 SO(3)SO(3)SO(3) 流形（全局，非线性），球面北极的切平面代表李代数 so(3)\mathfrak{so}(3)so(3)（局部，线性）。单位元 eee 在球面北极。李代数元素 ω\omegaω 在切平面上，通过指数映射 exp⁡\expexp "贴"到球面上成为李群元素 exp⁡(ω)\exp(\omega)exp(ω)；反过来，对数映射 log⁡\loglog 将球面上的点"拉回"切平面。虚线经线示意沿群流形的连续滑动。所有数值计算（滑动、插值、梯度下降）都在切平面（李代数）上完成，再通过指数映射回到流形（李群）。

这就是群卷积在数值计算中的核心操作：在弯曲的李群上定义问题，但所有实际的滑动、移动、插值、梯度下降，都在平直的李代数上完成。

	李群（全局）	李代数（局部）
空间类型	弯曲流形（非线性）	平直向量空间（线性）
运算	群乘法（非交换）	加法、数乘
对应操作	具体的旋转矩阵	轴角编码的旋转向量
映射关系	指数映射 exp⁡:g→G\exp: \mathfrak{g} \to Gexp:g→G	对数映射 log⁡:G→g\log: G \to \mathfrak{g}log:G→g
在群卷积中的作用	定义数据的对称空间	实际执行计算和优化

4.3 李括号：非交换性的度量

李代数上有一个自然的二元运算，称为李括号 （Lie Bracket），记作 A,BA, BA,B。对于矩阵李代数，李括号就是矩阵的换位子：

A,B=AB−BA A, B = AB - BA A,B=AB−BA

李括号衡量的正是"两个操作顺序交换带来的差异"------这正是我们之前在方向骰子中看到的"旋转顺序不能交换"现象的精确数学表达。

举个例子：想象一个咖啡杯。你把它绕X轴转一个小角度，再绕Y轴转一个小角度。如果你把顺序反过来------先绕Y轴再绕X轴------最终的朝向会差多少？那个"差值"就是李括号 A,BA, BA,B。

• 如果 A,B=0A, B = 0A,B=0，说明两个旋转可交换（比如绕同一个轴转两次）。
• 如果 A,B≠0A, B \neq 0A,B=0，说明顺序敏感（绝大多数3D旋转都是如此）。

在群卷积的消息传递过程中，当网络聚合来自多个邻居原子的信息时，不同方向的旋转信息会产生耦合。李括号告诉我们应该如何修正这种"顺序效应"，确保聚合后的结果仍然在正确的变换规则之下。

4.4 泊松括号：物理量的动态关系

在物理学中，特别是哈密顿力学 里，有一个与李括号密切相关的概念------泊松括号 （Poisson Bracket）。对于两个物理量 fff 和 ggg（它们是相空间上的函数），泊松括号定义为：

{f,g}=∑i(∂f∂qi∂g∂pi−∂f∂pi∂g∂qi) \{f, g\} = \sum_i \left( \frac{\partial f}{\partial q_i} \frac{\partial g}{\partial p_i} - \frac{\partial f}{\partial p_i} \frac{\partial g}{\partial q_i} \right) {f,g}=i∑(∂qi∂f∂pi∂g−∂pi∂f∂qi∂g)

其中 qiq_iqi 是广义坐标，pip_ipi 是广义动量。

泊松括号与李括号有着深刻的联系。从数学结构上看，泊松括号是李括号在函数空间上的推广。李括号作用在"变换"（如旋转矩阵）上，衡量的是操作的"非交换性"；泊松括号作用在"物理量"上，衡量的是物理量之间的"关联性"。

在哈密顿力学中，任何一个物理量 fff 随时间的演化由下式给出：

dfdt={f,H} \frac{df}{dt} = \{f, H\} dtdf={f,H}

其中 HHH 是系统的哈密顿量（总能量）。这个方程描述了物理量如何随时间演化。

在分子动力学的机器学习模型中，我们需要神经网络预测的原子位置和动量满足这个演化方程。具体来说，保证能量守恒 等价于保证 {H,H}=0\{H, H\} = 0{H,H}=0（能量与自身的泊松括号为零），保证动量守恒等价于保证位置和动量的泊松括号满足正则对易关系。

	李括号	泊松括号
作用对象	李代数元素（变换/旋转）	相空间上的函数（物理量）
运算形式	A,B=AB−BAA, B = AB - BAA,B=AB−BA	{f,g}=∑(∂qf∂pg−∂pf∂qg)\{f, g\} = \sum (\partial_q f \partial_p g - \partial_p f \partial_q g){f,g}=∑(∂qf∂pg−∂pf∂qg)
衡量什么	操作的"非交换性"	物理量之间的"关联性"
在几何深度学习中的作用	修正多体交互中的"顺序效应"	约束网络输出满足物理守恒律

4.5 四者的关系

现在我们有了四个概念：群卷积、李群、李代数、李括号（含泊松括号）。它们之间的关系可以总结如下：

群卷积定义了对"变换复合"做卷积的框架。李群描述了变换的全局结构。李代数提供了在局部进行线性计算（滑动、插值、梯度下降）的工具。李括号（以及其推广泊松括号）则确保了在多体交互和时间演化中，操作顺序带来的"非交换性"被正确处理，物理守恒律被严格满足。

用一句更通俗的话说：

群卷积是"招式"，李群是"战场"，李代数是"武器"，李括号/泊松括号是"兵法"------四者缺一不可，共同构成了几何深度学习处理物理世界数据的完整数学基础。

五、不可约表示与Clebsch--Gordan系数

前面我们讨论了李群和李代数如何在几何深度学习中发挥作用。但要把群卷积真正实现在计算机上，还需要两个更具体的数学工具------不可约表示 和Clebsch--Gordan系数。它们在群卷积的频域实现中扮演着核心角色。

5.1 不可约表示：把抽象变换"翻译"成矩阵

不可约表示 （Irreducible Representation，常简称 irrep）的核心思想是：把一个抽象群里的元素（比如旋转 90∘90^\circ90∘ 这个操作），映射成一个具体的、可计算的矩阵，而且这个映射要保留群的乘法结构。

这个映射不是随便选的。它要求：如果群里有 g1∘g2=g3g_1 \circ g_2 = g_3g1∘g2=g3，那么对应的矩阵也必须满足 D(g1)×D(g2)=D(g3)D(g_1) \times D(g_2) = D(g_3)D(g1)×D(g2)=D(g3)。也就是说，群元素怎么复合，矩阵就怎么相乘。这种保留了乘法结构的映射，就叫群的"表示"。

至于"不可约"，意思是这个表示是最基本的、无法再拆分的"积木块"。任何更复杂的表示都可以由这些不可约表示组合而成。这就像整数可以分解为质数的乘积，不可约表示就是群表示理论里的"质数"。

为什么它在几何深度学习中这么重要？

因为它给了我们一把"尺子"，用来度量特征在旋转下会怎样变化 。在分子数据里，每个原子周围的环境信息（比如邻居的方向）可以用球谐函数 YlmY_l^mYlm 来分解。而球谐函数 YlmY_l^mYlm 在旋转下，恰好就按照 lll 阶的不可约表示来变换。

• 一个标量 （如原子距离）是 l=0l=0l=0 的表示------旋转它也不变。
• 一个向量 （如受力方向）是 l=1l=1l=1 的表示------它像普通三维向量一样跟着旋转。
• 更复杂的几何信息（如分子的局域曲率）会落到 l=2,3,...l=2, 3, \dotsl=2,3,... 的表示里，它们对应更高阶的张量。

不可约表示的作用就是：将神经网络中的特征向量，按照它们在旋转下的变换方式，分门别类地存到不同的"通道"里。 这样，当整个分子旋转时，网络知道每一类特征该怎样同步变化，从而保证等变性。

5.2 Clebsch--Gordan 系数：不同"积木块"的耦合配方

Clebsch--Gordan 系数（简称 CG 系数）解决的是另一个问题：当你把两种不同变换类型的特征组合在一起时，新得到的混合特征又该按什么规则变换？

在几何深度学习里，网络经常要做"融合"操作。例如，在消息传递中，我们要把原子 iii 的特征（比如 l1=1l_1=1l1=1 的向量）和它与邻居的相对方向（比如 l2=1l_2=1l2=1 的方向向量）合并，以构造新的消息。这两个特征各自在旋转下有明确的变换方式，但它们合并后的产物，其变换规则就不再是单纯的 l1l_1l1 或 l2l_2l2 了。

这个合并操作就是张量积 。两个分别属于 l1l_1l1 和 l2l_2l2 的不可约表示做张量积后，通常会分解为多个不同 lll 的不可约表示的直和：

Vl1⊗Vl2=⨁l=∣l1−l2∣l1+l2Vl \mathbf{V}{l_1} \otimes \mathbf{V}{l_2} = \bigoplus_{l = |l_1 - l_2|}^{l_1 + l_2} \mathbf{V}_l Vl1⊗Vl2=l=∣l1−l2∣⨁l1+l2Vl

这个"分解"过程，就是 CG 系数干的事情。

CG 系数的本质 ：它就是一个"配方表"。它告诉我们在做张量积的时候，应该用怎样的线性组合，才能从两个已知的"积木块" l1l_1l1 和 l2l_2l2 中，干净地提取出属于目标 lll 的"积木块"。

一个熟悉的类比

想象两个多项式相乘。(1+2x)(3+5x)(1 + 2x)(3 + 5x)(1+2x)(3+5x) 的结果是 3+11x+10x23 + 11x + 10x^23+11x+10x2。这里的"乘法"是"卷积"，"合并同类项"就是把 x1x^1x1 项聚合到一起。

CG 系数做的也是类似的事。只不过它处理的是球谐函数（或更一般的不可约表示）的张量积。你在几何深度学习论文里看到的、带有多个求和指标和组合数的复杂公式，大多就是在用 CG 系数把两个不同阶的特征"合并同类项"，使结果仍然属于某个确定的 lll 阶。

5.3 一段数学史：Clebsch 与 Gordan

"Clebsch--Gordan"不是一个单独的人名，而是两位19世纪德国数学家姓氏的组合：阿尔弗雷德·克莱布希 （Alfred Clebsch，1833--1872）和保罗·哥尔丹 （Paul Gordan，1837--1912）。

Alfred Clebsch

在19世纪中叶的德国数学界，克莱布希是一位承前启后的关键人物。他的一生虽如流星般短暂------仅仅39年------却在代数几何与不变量理论领域留下了深刻印记。1868年，克莱布施接替黎曼在哥廷根大学的教席，并与卡尔·诺伊曼 （Carl Neumann）共同创办了一份极具影响力的数学期刊------《数学年鉴》（Mathematische Annalen），以此为基础形成克莱布施学派，深刻影响了德国数学的走向。正如后世学者所评价的："如果他活得更久，他很可能会成为他那一代的主导人物，德国数学的整个框架也可能发生不同的发展。"

Paul Gordan

哥尔丹则以不变量理论方面的杰出工作闻名，被称为"不变量理论之王 "，他证明了二元型的有限完备系的存在性------这一结果后来被大卫·希尔伯特的工作所推广。哥尔丹还是著名女数学家埃米·诺特（Emmy Noether）的博士导师。

两人合作的成果集中体现在1866年出版的《阿贝尔函数论》（Theorie der Abelschen Functionen ）一书中。在这项工作中，他们发展了一套数学工具，用于处理两个基本对象"耦合"后如何"分解"为更基本组分的问题。这个纯粹数学上的构造，在几十年后量子力学诞生时被发现完美地描述了两个角动量（如电子自旋）的耦合，因此被物理学家"重新发现"并广泛应用，称为Clebsch--Gordan系数 （物理学家也常称之为向量耦合系数 或维格纳系数）。

我们今天在几何深度学习中用CG系数来处理张量积，本质上是在应用一套起源于19世纪代数研究、成熟于20世纪量子力学、如今又在21世纪人工智能中焕发新生的数学工具。

总结一下

• 不可约表示：将抽象的旋转操作"翻译"成具体的矩阵。它定义了"不同几何信息在旋转下该如何表现"。
• Clebsch--Gordan 系数：不同不可约表示"相乘"时的"合并同类项"公式。它定义了"当不同几何信息融合时，如何保持等变性"。

这两个概念是群卷积频域实现的理论基石。没有它们，我们就无法在旋转群上做"频域乘法"，几何深度学习也就无法高效地在计算机上实现。

六、群卷积定理与频域加速

普通卷积之所以在工程中如此重要，卷积定理功不可没：

F(f∗g)=F(f)⋅F(g) \mathcal{F}(f * g) = \mathcal{F}(f) \cdot \mathcal{F}(g) F(f∗g)=F(f)⋅F(g)

即时域的卷积等于频域的逐点乘积。借助快速傅里叶变换（FFT），计算复杂度从 O(n2)O(n^2)O(n2) 降至 O(nlog⁡n)O(n \log n)O(nlogn)。

群卷积拥有完全平行的定理。只需要将普通傅里叶变换替换为群傅里叶变换------用群的不可约表示对函数做展开。在频域中，群卷积变为：

f∗g^(λ)=f^(λ)⋅g^(λ) \widehat{f * g}(\lambda) = \hat{f}(\lambda) \cdot \hat{g}(\lambda) f∗g (λ)=f^(λ)⋅g^(λ)

其中 λ\lambdaλ 标记不同的不可约表示。

这里有一个关键差异：普通傅里叶变换的"频率"是数（标量），而群傅里叶变换的"频率"是矩阵。因此右边的乘法不是标量相乘，而是矩阵乘法 （或更一般地，张量积）。对于非交换群（如旋转群 SO(3)SO(3)SO(3)），不同频率之间的耦合需要用Clebsch--Gordan 系数来计算------这正是几何深度学习文献中那些看似复杂的组合数公式的来源。

这个"频域乘法"的性质意味着群卷积也可以被加速，虽然在非交换群上的快速算法比普通FFT要复杂得多。

七、群上的"中心极限定理"

我在那篇《卷积》文章中讨论了中心极限定理：把任意分布反复与自身卷积，最终会趋近于正态分布------正态分布是卷积运算的"吸引子"。

在紧致群（compact group）上，存在完全平行的结论。反复做群卷积会将任何分布"拉向"哈尔测度（Haar measure）------即群上的均匀分布。这个结论的证明思路与普通中心极限定理如出一辙。

普通中心极限定理的证明，关键一步是将特征函数在频率零点附近做泰勒展开：ϕ(t)≈1−t2/(2n)\phi(t) \approx 1 - t^2/(2n)ϕ(t)≈1−t2/(2n)，然后取 nnn 次方得到 e−t2/2e^{-t^2/2}e−t2/2，即正态分布的特征函数。

在紧致群上，我们把普通傅里叶变换替换为群傅里叶变换 ------用群的不可约表示 ρ\rhoρ 对函数做展开。对于分布的 nnn 次卷积 f∗nf^{*n}f∗n，其群傅里叶变换就是 f\^(ρ)n\\hat{f}(\\rho)^nf\^(ρ)n。然后在单位元附近做局部展开：对于李代数元素 XXX，不可约表示有展开式 ρ(exp⁡(X))≈I+iρ(X)−12ρ(X)2+⋯\rho(\exp(X)) \approx I + i\rho(X) - \frac{1}{2}\rho(X)^2 + \cdotsρ(exp(X))≈I+iρ(X)−21ρ(X)2+⋯。如果分布是"中心化"的（在群上的均值为单位元），则一阶项消失，主导项是二阶项（类似方差）。于是 f\^(ρ)n\\hat{f}(\\rho)^nf\^(ρ)n 趋向于热核的傅里叶系数------即指数二次型。

这个热核正是群上热传导方程 ∂u/∂t=Δu\partial u/\partial t = \Delta u∂u/∂t=Δu 的基本解，其中 Δ\DeltaΔ 是群上的拉普拉斯-贝尔特拉米算子 （Laplace--Beltrami operator）。热核 （heat kernel）描述了热量在群流形上如何随时间扩散。由于群是紧致的，热量无处可逃，热核在 t→∞t \to \inftyt→∞ 时必须均匀分布在整个群上，即趋近于哈尔测度。

用物理图像来说：反复做群卷积等价于在群流形上做随机游走，其连续极限就是热扩散过程。在一个紧凑的容器里撒一把热，最终温度必然处处相等。

	普通中心极限定理	紧致群上的中心极限定理
底层变换	加法	群乘法
特征函数	ϕ(t)=EeitX\phi(t) = \mathbb{E}e\^{itX}ϕ(t)=EeitX	群傅里叶变换 f^(ρ)\hat{f}(\rho)f^(ρ)（矩阵）
泰勒展开	ϕ(t)≈1−t2/(2n)\phi(t) \approx 1 - t^2/(2n)ϕ(t)≈1−t2/(2n)	李代数展开：f^(ρ)≈I−12二次型\hat{f}(\rho) \approx I - \frac{1}{2}\text{二次型}f^(ρ)≈I−21二次型
卷积的 nnn 次方	ϕ(t)n→e−t2/2\\phi(t)^n \to e^{-t^2/2}ϕ(t)n→e−t2/2	f\^(ρ)n→exp⁡(−二次型)\\hat{f}(\\rho)^n \to \exp(-\text{二次型})f\^(ρ)n→exp(−二次型)
极限分布	正态分布（热核在 R\mathbb{R}R 上）	热核 → 哈尔测度（均匀分布）
核心方程	热传导方程 ∂tu=12∂x2u\partial_t u = \frac{1}{2}\partial_x^2 u∂tu=21∂x2u	群上的热传导方程 ∂tu=Δu\partial_t u = \Delta u∂tu=Δu

这个类比揭示了一个更深刻的图景：卷积本质上是一个"磨平"操作。无论你从什么形状出发，反复卷积都会将其推向底空间上最"对称"的那个状态。 在数轴上是正态分布，在紧致群上是均匀分布。

八、几何人工智能：群卷积的应用

以上讨论的群卷积，在人工智能领域有一个具体的名字------几何深度学习 （Geometric Deep Learning）2^\text{2}2。它的核心任务是把物理世界的对称性"编入"神经网络的结构中。

8.1 为什么需要群卷积？

在三维空间中，一个分子整体旋转 90∘90^\circ90∘ 后，所有原子的坐标都变了。但分子的物理性质（如能量、受力）完全不变。如果使用普通神经网络处理分子数据，旋转后的输入在神经网络看来是一组完全不同的数字，会给出完全不同的预测------这在物理上是荒谬的。

我们需要神经网络"尊重"物理对称性。 具体来说，需要两个性质：

• 不变性（Invariance）：输入旋转了，标量输出（如能量）不变。
• 等变性（Equivariance）：输入旋转了，向量/张量输出（如受力方向）跟着旋转同样的角度。

群卷积天然保证等变性。因为群卷积的定义本身就建立在"群元素复合"的基础上------输入在群上"滑动"到新位置，输出也在群上跟着"滑动"同样距离。

8.2 分子动力学：预测原子受力

分子动力学模拟需要计算每个原子受到的力，从而推演分子随时间的演化。传统方法（密度泛函理论DFT）计算精确但极其缓慢，一个分子可能需要数小时。用神经网络替代DFT是近年来最活跃的研究方向之一。

挑战在于：神经网络预测的力必须是等变的------分子整体旋转，每个原子的受力方向必须跟着旋转。如果做不到这一点，模拟的分子在几飞秒内就会"飞散"，能量和动量都不守恒。

群卷积正好解决这个问题。代表性模型包括Tensor Field Networks 3^\text{3}3、NequIP 4^\text{4}4、MACE 5^\text{5}5 等，其核心做法是：

1. 将原子的三维坐标看作定义在 SE(3)SE(3)SE(3)（三维平移+旋转群）上的函数。
2. 用球谐函数将空间信息分解到不同的"频率通道"（即不可约表示的不同阶数 l=0,1,2,...l = 0, 1, 2, \dotsl=0,1,2,...）。
3. 在网络的每一层，用群卷积（在频域实现为张量积）处理这些特征，保持各阶通道的变换规则不变。
4. 最终输出：l=0l = 0l=0 通道给出能量（不变标量），对坐标求导得到力（自动满足等变性）。

图3：SE(3)-Transformer应用于分子数据集的示意图。左图展示了一个层将点云映射到点云，保证等变性；右图展示了单个节点（红色）对邻居节点的注意力机制，连线粗细表示注意力权重，该权重对输入旋转具有不变性。来源：SE(3)-Transformer项目官网。

这些模型已经在材料科学、药物设计等领域展现出接近DFT精度的预测能力，而计算速度提升了数个数量级。

8.3 三维视觉：识别任意朝向的物体

在计算机视觉中，物体在图像中的朝向是任意的。一个杯子正着放、倒着放、侧着放，普通CNN会把它们当成三个不同的东西，需要海量数据增强才能勉强应对。群卷积提供了更优雅的解决方案：定义在 SO(3)SO(3)SO(3)（三维旋转群）上的群卷积可以在网络内部"扫描"所有可能的旋转角度。具体做法是将二维图像上的特征图"提升"到 SO(3)SO(3)SO(3) 群上------即在每个空间位置记录"如果旋转了某个角度，会看到什么"------然后在群上做卷积。这种方法不需要数据增强，天然对旋转具有等变性。

代表性工作包括Cohen等人提出的Group Equivariant CNNs 6^\text{6}6，以及后来在3D点云上的扩展（如SE(3)-Transformer 7^\text{7}7）。这些模型在旋转后的测试集上的表现远优于普通CNN。

在6D物体姿态估计中，SE(3)扩散模型能够在给定输入图像的情况下，在SE(3)群上采样出多个可能的姿态假设，从而处理物体遮挡和对称性带来的姿态歧义性。下图展示了该模型在T-LESS数据集上的可视化结果。

图4：SE(3)扩散模型在T-LESS数据集上的6D物体姿态估计可视化结果。第一行展示三个不同物体在杂乱场景中的姿态估计，分别具有2个离散对称性（Object 9）、4个离散对称性（Object 27）和1个连续对称性（Object 14）；第二行展示由遮挡和自遮挡引起的姿态歧义性（Object 4）。每个图中包含1000个从模型中采样的姿态样本，样本集中在分布的各模态上，表明模型能够生成精确的旋转估计。来源：Hsiao et al., CVPR 2024。

8.4 蛋白质结构预测

蛋白质是由氨基酸链折叠而成的三维结构，预测其空间构型是生物学中的核心难题。蛋白质的物理结构具有天然的 E(3)E(3)E(3) 对称性------旋转或平移整个分子，其内在结构不变。近年来的前沿模型（如AlphaFold 8^\text{8}8、OpenFold等）在架构设计中越来越多地融入了几何深度学习技术，群卷积是其中的关键组件之一。

群卷积被用于处理氨基酸残基之间的相对位置和方向信息：每个残基的位置用三维向量表示，方向用旋转矩阵表示。群卷积在这些几何特征上滑动，确保网络的每一层都对整体旋转和平移具有等变性。这不仅提高了预测精度，也减少了所需训练数据量。下图展示了AlphaFold对黑腹果蝇Q9VZS7蛋白的结构预测结果，不同颜色代表预测置信度。

图5：AlphaFold预测的蛋白质三维结构。以黑腹果蝇Q9VZS7蛋白为例，不同颜色代表预测置信度：深蓝色为高置信度，浅蓝色为中等，黄色为低，橘色为极低。来源：Engineering期刊 / AlphaFold官方发布。

8.5 材料科学与晶体对称性

晶体材料具有周期性结构，其对称性由晶体空间群（crystallographic space groups）描述------包含平移、旋转、反射、滑移等操作的庞大群族。预测晶体材料的物理性质（如带隙、力学强度）需要模型尊重这些对称性。如果晶体被平移一个晶格常数，输入坐标全变了，但输出应该不变。群卷积可以将晶体空间群的对称性直接编码到网络结构中，确保预测结果不受这些对称操作的影响。

图6：晶体结构与能级示意图。(a) 立方空间群Fm-3m的双钙钛矿晶体结构；(b) 四方空间群I4/m的晶体结构；© 立方八面体晶体场中d能级在B位和B'位的分裂示意图，箭头表示磁性位点上的磁矩方向。来源：Nature Computational Materials。

这种方法在材料基因组学和高通量材料筛选中具有重要应用。

九、实现中的一个小细节

深度学习框架（如PyTorch、TensorFlow）中的"卷积层"，严格来说其实是互相关（Cross-correlation）------它直接计算滑动窗口的点积，省略了翻转这一步。由于卷积核的参数是可学习的，网络可以自行学到翻转后的版本，因此省略翻转不影响表达能力。

在群卷积中，这个细节同样存在，只是"翻转"变成了"取逆"：在群上，互相关对应的操作为 \\sum f(k) \\cdot g(k \\circ h) ，而真正的卷积是 \\sum f(k) \\cdot g(k\^{-1} \\circ h) 。工程实现时，由于参数可学习，很多高效实现省略了取逆，但仍冠以"群卷积"之名。

十、结语

从普通骰子到方向骰子，从数轴上的加法到群上的复合，从正态分布到哈尔测度，从李群的全局结构到李代数的局部线性化，再到李括号和泊松括号所刻画的非交换性与物理守恒律，最后到不可约表示和Clebsch--Gordan系数提供的具体计算工具------群卷积将所有这些概念串联在一起，构成了一条从"配对加权求和"到"物理世界建模"的完整数学链路。

但这条链路本身并不复杂。它的起点是掷骰子的朴素直觉：把所有能凑成目标结果的配对找出来，加权累加。普通骰子用加法合并，方向骰子用旋转复合合并。从那里出发，每一层抽象都有明确的动机：连续对称性需要李群，局部计算需要李代数，多体交互需要李括号，物理守恒需要泊松括号，频域计算需要不可约表示，不同阶的耦合需要CG系数。

群卷积为处理物理世界的对称性提供了统一的数学框架。这个框架本身已经相对成熟，但它在人工智能中的全面落地还远未完成。分子动力学模拟、三维物体识别、蛋白质结构预测、晶体材料设计------这些领域的难题某种程度上都可以归结为同一个问题：如何让神经网络更准确地理解几何。群卷积给出了一个方向，但它是不是最终答案，还需要更多检验。

参考文献

1 尚万虎. 卷积：从掷骰子到人工智能的数学之旅J. 数学文化, 2026, 17(2): 64-78.

2 Bronstein M M, Bruna J, Cohen T, et al. Geometric deep learning: Grids, groups, graphs, geodesics, and gaugesJ. arXiv preprint arXiv:2104.13478, 2021.

3 Thomas N, Smidt T, Kearnes S, et al. Tensor field networks: Rotation-and translation-equivariant neural networks for 3D point cloudsJ. arXiv preprint arXiv:1802.08219, 2018.

4 Batzner S, Musaelian A, Sun L, et al. E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentialsJ. Nature Communications, 2022, 13(1): 2453.

5 Batatia I, Kovacs D P, Simm G N C, et al. MACE: Higher order equivariant message passing neural networks for fast and accurate force fieldsC. Advances in Neural Information Processing Systems, 2022, 35: 11423-11436.

6 Cohen T, Welling M. Group equivariant convolutional networksC. International Conference on Machine Learning, 2016: 2990-2999.

7 Fuchs F, Worrall D, Fischer V, et al. SE(3)-transformers: 3D roto-translation equivariant attention networksC. Advances in Neural Information Processing Systems, 2020, 33: 1970-1981.

8 Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFoldJ. Nature, 2021, 596(7873): 583-589.