Deep Learning for Molecules and Materials：分子与材料深度学习路线

当你有了深度学习与图模型的基础，需要一本把「深度学习」和「分子」真正打通的系统读物。《Deep Learning for Molecules and Materials》是 Andrew White 编写的开放获取在线书（dmol.pub），以可运行代码贯穿，适合作为进阶主线。

这本书的特点

• 开放免费、网页可读，每章配 Python 代码，可边读边跑。
• 从基础（张量、回归、神经网络）一路讲到分子专门方法：图神经网络、等变神经网络、变分自编码器、标准化流、注意力等。
• 强调「为什么分子任务需要特定结构」，例如为何 3D 任务需要 SE(3) 等变性。

适合谁、怎么读

• 适合已过深度学习入门（如 6.S191）、想专攻分子方向的学习者。
• 建议按章顺序读，把每章代码跑通；遇到图与等变章节，结合 CS224W（006）与论文精读模块一起看。
• 把它作为「主线教材」，零散论文作为「专题补充」，学习更有结构。

与其它资源的关系

• 广度的「分子 ML 工具」用 DeepChem（004）；
• 系统的「任务与数据」用 TDC（005、009）；
• 体系化的「方法与原理」用这本书 + 「AI 模型」模块的论文精读。

延伸资源

• 在线书：dmol.pub（Deep Learning for Molecules and Materials, Andrew White）。
• 配套：006《CS224W》、「AI 模型」模块的《等变神经网络》。