问题——分子研发面临"慢、贵、难"的结构性矛盾。药物发现、材料筛选与反应工艺优化长期依赖高通量实验与高精度计算。一方面，分子空间构型复杂、表示方式多样，同一分子不同坐标系、不同排序下可呈现多种等价形式；另一上，量子化学计算精度高但成本巨大，合成路线受经验限制且失败代价高。传统定量结构—活性关系研究多依靠人工构建"指纹"特征，难以全面刻画立体化学与电子结构，模型迁移到新化学空间时易出现偏差，研发周期因此被拉长。
几何深度学习的兴起标志着分子科学进入了新的发展阶段。通过将对称性、几何先验与端到端学习有机结合，这个技术为化学研究提供了"可编程的化学直觉"。从实验室的合成规划到药物研发的加速，从材料性质的预测到新物质的发现，几何深度学习正在改变科学家认识和改造分子世界的方式。当理论与实践不断融合，分子科学的下一个突破必将在这一新的技术范式中孕育而生。