几何学与机器学习的结合，长期受困于工具门槛。Geomstats的出现改变了这一局面——这是一个专门用于黎曼几何的Python开源包。

传统机器学习假设数据分布在欧几里得空间中，但现实世界的数据往往具有复杂的非线性结构。流形学习、形状分析、脑成像等领域，都需要处理弯曲空间中的数据。

打开网易新闻 查看精彩图片

Geomstats提供了统一的计算框架：支持多种流形结构，包括球面、双曲空间、对称正定矩阵等常见几何对象。研究人员无需从头推导测地线方程或指数映射，可直接调用优化后的数值实现。

打开网易新闻 查看精彩图片

该库的设计兼顾了数学严谨性与工程实用性。底层采用自动微分，与PyTorch、TensorFlow等主流框架兼容，降低了将几何方法集成到深度学习流水线的成本。

打开网易新闻 查看精彩图片

从医学图像配准到机器人姿态估计，黎曼几何的应用场景正在扩展。Geomstats的价值在于，它把这些原本分散在数学文献中的算法，变成了可复用的软件组件。