WO2025169018 - MODELLING MULTI-SCALE INTERACTIONS IN A GEOMETRICAL ALGEBRAIC EQUIVARIANT GRAPH NEURAL NETWORK
National phase entry is expected:
Publication Number
WO/2025/169018
Publication Date
14.08.2025
International Application No.
PCT/IB2025/050184
International Filing Date
08.01.2025
Title **
[English]
MODELLING MULTI-SCALE INTERACTIONS IN A GEOMETRICAL ALGEBRAIC EQUIVARIANT GRAPH NEURAL NETWORK
[French]
MODÉLISATION D'INTERACTIONS À ÉCHELLES MULTIPLES DANS UN RÉSEAU NEURONAL DE GRAPHE ÉQUIVARIANT ALGÉBRIQUE GÉOMÉTRIQUE
Applicants **
NEC LABORATORIES EUROPE GMBH
Inventors
MARUYAMA, Takashi
ALESIANI, Francesco
Priority Data
24156907.8
09.02.2024
EP
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2144 | |
| EPO | Filing, Examination, Granting | 8507 | |
| Japan | Filing, Examination, Granting | 2171 | |
| South Korea | Filing, Examination, Granting | 2044 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
19,606
Contact Us
Abstract[English]
A computer-implemented machine learning method for modelling multi-scale interactions includes determining a geometric vectorization based on a mapping of input data associated with a multi-scale system. Using a neural network and the mapped input data, one or more predicted vectors of the multi-scale system are generated. The neural network includes pooling and unpooling mechanisms that conserve equivariance to geometric primitives of the geometric vectorization by using a multi-blade projection that defines pooling or clustering of the pooling and unpooling mechanisms. The one or more predicted vectors are mapped to the multi-scale interactions of the multi-scale system. The method has applications including, but not limited to, use cases in computational biology, medical AI and healthcare, and orbiting body management for optimizing machine learning processes or supporting decision making.[French]
Un procédé d'apprentissage automatique mis en œuvre par ordinateur pour modéliser des interactions à échelles multiples comprend la détermination d'une vectorisation géométrique sur la base d'un mappage de données d'entrée associées à un système à échelles multiples. À l'aide d'un réseau neuronal et des données d'entrée mappées, un ou plusieurs vecteurs prévus du système à échelles multiples sont produits. Le réseau neuronal comprend des mécanismes de mise en commun et de déroulement qui conservent l'équivariance à des primitives géométriques de la vectorisation géométrique à l'aide d'une projection à lames multiples qui définit la mise en commun ou le regroupement des mécanismes de mise en commun et de déroulement. Le ou les vecteurs prévus sont mis en correspondance avec les interactions à échelles multiples du système à échelles multiples. Le procédé comprend des applications comprenant, entre autres, des cas d'utilisation dans la biologie informatique, l'IA médicale et les soins de santé, et une gestion de corps orbital pour optimiser des processus d'apprentissage automatique ou prendre en charge la prise de décision.