拓扑深度学习专题索引
本专题系统梳理拓扑数据分析（Topological Data Analysis, TDA）与深度学习的融合方法，涵盖理论基础、架构创新、应用场景与工具实践。
📚 内容导航
基础理论
架构创新
| 文档 | 内容 | 难度 |
|---|---|---|
| E(n)等变拓扑网络 | 等变性、群论、拓扑归纳偏置 | ⭐⭐⭐ |
| 拓扑感知图扩散 | 拓扑约束图生成、分子应用 | ⭐⭐⭐ |
应用场景
| 文档 | 内容 | 难度 |
|---|---|---|
| 分子与药物发现 | 拓扑分子表征、性质预测 | ⭐⭐ |
| 3D视觉与形状分析 | 点云拓扑、形状识别 | ⭐⭐ |
| TDA工具与DL集成 | GUDHI、Ripser、Giotto-tda | ⭐⭐ |
🎓 学习路径建议
入门路径（1-2周）
- 理论准备：了解拓扑学基本概念（连通性、洞、维度）
- 持久同调：学习持久同调算法和持久图解释
- 工具入门：掌握Ripser或GUDHI基本用法
- 融合方法：理解拓扑特征作为额外输入的范式
推荐资源：
进阶路径（2-4周）
- 深入理论：学习稳定性理论、Wasserstein距离
- 架构设计：理解拓扑原生网络设计原则
- 应用实践：选择一个应用领域深入（分子/3D视觉）
- 论文研读：精读ICLR/NeurIPS相关论文
推荐资源：
研究路径（持续）
- 前沿追踪：关注ICLR/NeurIPS最新接收论文
- 理论创新：探索拓扑深度学习的表达能力理论
- 应用拓展：将拓扑方法应用于新领域
- 工具开发：贡献开源TDA-深度学习工具
推荐资源：
- 论文：ICLR 2025-2026 Topological Deep Learning
- 工具：GUDHI、Ripser、KeplerMapper
- 社区：NeurIPS Topology and Geometry workshop
🔑 核心概念速查
拓扑不变性
在连续变形下保持不变的性质：
- 连通分量（0维洞）
- 环路（1维洞）
- 空洞（2维洞）
- 高维洞：-维连通边界
持久同调
追踪数据多尺度拓扑特征的方法：
- 过滤函数：定义尺度参数（如距离、密度）
- 持久图： 点集，记录特征存在时间
- 持久条形码：特征生命周期的条形表示
融合范式
| 范式 | 描述 | 示例 |
|---|---|---|
| 拓扑增强 | 拓扑特征作为额外输入 | PH特征 + GNN |
| 拓扑原生 | 网络原生支持拓扑操作 | Topoformer |
| 拓扑约束 | 拓扑损失函数 | 拓扑正则化 |
📖 论文推荐
必读经典
| 论文 | 年份 | 关键贡献 |
|---|---|---|
| Persistent Homology for ML (综述) | 2014 | 奠定了理论基础 |
| Topological Data Analysis (综述) | 2017 | TDA方法系统梳理 |
| topological graph neural networks | 2020 | 图神经网络的拓扑扩展 |
进阶阅读
| 论文 | 会议 | 关键贡献 |
|---|---|---|
| E(n) Equivariant Topological NN | ICLR 2025 | 等变+拓扑整合 |
| Topology-Aware Graph Diffusion | NeurIPS 2025 | 拓扑约束图生成 |
| Unified Spectral-PH Framework | Discover Computing 2025 | 谱分析与PH统一 |
| GraPHFormer | arXiv 2026 | 神经形态分析专用 |
前沿进展
| 论文 | 来源 | 关键贡献 |
|---|---|---|
| Beyond Persistent Homology | AI Review 2026 | 超越PH的统一视角 |
| PH Design Space for 3D | arXiv 2026 | 点云拓扑设计空间 |
| Dynamical PH | ICLR 2026 | 动态系统拓扑分析 |
| Hourglass Persistence | ICLR 2026 | 瓶颈结构检测 |
🛠️ 工具与库
核心TDA库
| 库 | 语言 | 特点 | 适用场景 |
|---|---|---|---|
| GUDHI | C++/Python | 功能全面，支持复形 | 复杂分析 |
| Ripser | C++/Python | 高效条形码计算 | 快速原型 |
| KeplerMapper | Python | Mapper算法，可视化 | 探索性分析 |
| Giotto-tda | Python | sklearn集成 | ML流水线 |
深度学习集成
| 库 | 描述 | GitHub |
|---|---|---|
| PyTorch Geometric | 图神经网络的拓扑扩展 | pyg-team/pytorch_geometric |
| Topo嵌入 | 拓扑特征学习 | topoxlearn |
| GUDHI DL | 深度学习TDA层 | Gudhi-th/Gudhi-doc |
安装建议
# 核心TDA工具
pip install ripser persim gudhi scikit-tda
# 集成工具
pip install torch-geometric
# 可视化
pip install persim kepler-mapper🔗 相关领域链接
深度学习理论
图神经网络
几何深度学习
📝 维护说明
最后更新：2026-05-17
更新内容：新增拓扑深度学习专题，涵盖持久同调基础、融合方法、架构创新与应用场景
贡献者：AI辅助调研与撰写
本专题持续更新，欢迎提交Issue或Pull Request完善内容