新火種
2024-12-10 
字節&北大Nature子刊新成果：自旋本征態的高效精確求解
編輯 | ScienceAI
近些年來 AI for Science 在眾多領域取得重大成功。其中，基于神經網絡的量子變分蒙特卡洛方法 (NNVMC) 在量子化學領域展現出強大潛力，備受關注。
最近字節跳動研究部門 ByteDance Research 和北京大學團隊在 NNVMC 框架中融入物理對稱性，實現了量子激發態的高效精確求解。
該工作以《Spin-symmetry-enforced solution of the many-body Schr?dinger equation with a deep neural network》為題的論文已發表于國際頂級期刊 《Nature Computational Science》，相關代碼已經開源。
代碼地址：https://github.com/bytedance/jaqmc
此外，華東師范大學何曉老師及合作者在該期刊 News & Views 撰寫了相關文章《Teaching spin symmetry while learning neural network wave functions》介紹了這一工作。
文章鏈接：https://www.nature.com/articles/s43588-024-00727-z
該工作由 ByteDance Research、北京大學物理學院陳基課題組和北京大學智能學院王立威課題組共同完成。
方法介紹
計算結果
基態訓練的提升
作者針對兩類體系做了高激發態計算，分別是原子光譜以及有機分子乙烯和甲醛，并將實驗結果和當前 NNVMC 領域中具有代表性的激發態計算方法進行對比[1, 2]。
由于其獨特的電子結構，雙自由基體系中自旋三重態與自旋單重態之間的能隙計算一直是傳統量子化學領域的一大挑戰。
參考文獻
[1] David Pfau et al., Accurate computation of quantum excited states with neural networks. Science385, eadn0137 (2024). DOI:10.1126/science.adn0137
[2] Szabó PB et al., An improved penalty-based excited-state variational Monte Carlo approach with deep-learning ansatzes. Journal of Chemical Theory and Computation. 2024 Aug 30;20(18):7922-35.
[3] Shee J, Arthur EJ, Zhang S, Reichman DR, Friesner RA. Singlet–triplet energy gaps of organic biradicals and polyacenes with auxiliary-field quantum Monte Carlo. Journal of chemical theory and computation. 2019 Aug 5;15(9):4924-32.
[4] Lee J, Malone FD, Morales MA. Utilizing essential symmetry breaking in auxiliary-field quantum Monte Carlo: Application to the spin gaps of the C36 fullerene and an iron porphyrin model complex. Journal of chemical theory and computation. 2020 Apr 13;16(5):3019-27.
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
