Naukowcy zaproponowali Equivariant Cellular Sheaf Networks - nową architekturę łączącą topologiczne uczenie głębokie z teorią snopów do predykcji hamiltonianu elektronowego molekuł. Kluczowa obserwacja stanowi spostrzeżenie, że hamiltonian molekularny w zlokalizowanej bazie orbitali atomowych jest równy laplacjanowi snopa komórkowego zbudowanego na cząsteczce, co umożliwia implementację równowarunowości E(3) i permutacyjnej.
Metoda opiera się na dwóch mapach ograniczeń: O(3)-steerable kernels zbudowane z geometrii wiązań, które odtwarzają klasyczną formę Slater-Kostera jako szczególny przypadek. To podejście pozwala wyodrębnić głębokie topologiczne struktury poprzez sheaf cohomology - zerowa grupa kohomologii H^0 odpowiada orbitalami niezwiązanym, odtwarzając klasyczną teorię alternantu, a wyższa grupa H^1 koduje informacje o cyklach i delokalizacji przez Hodge 1-Laplacian.
Model ściśle generalizuje istniejące sieci równowarunowe oraz CW networks, jednocześnie dziedzicząc antyprzesmorowywanie z nietrywialnej dyfuzji snopów. Autorzy udowodnili formalnie równowarunowość, ekspresywność i zgodność kohomologiczną sieci, a eksperymenty numeryczne potwierdzają, że embedding hamiltonianu do snopa jest dokładny. To połączenie algebry topologicznej z fizyką obliczeniową otwiera nowe możliwości w predykcji właściwości elektronowych materiałów.