清华新闻网6月27日电 第一性旨趣商量已被庸碌应用于物理、材料、化学、生物关系的科学揣测打算。然则，受限于商量遵守和精度，奈何达成大步调材料体系的第一性旨趣揣测打算是该领域的一个紧要挑战。基于东说念主工神经收集的深度学习方法为处分该挑战问题带来了晨曦。近期，深度学习已经奏效应用于精准展望原子间相互作用91 麻豆，并加快分子能源学模拟。比较之下，连气儿、展望材料物性离不开电子结构商量，其深度学习的方法达成更具挑战性，揣测打算确认有限。因此，发展深度学习方法、处分第一性旨趣电子结构商量的遵守-精度两难逆境是一个重要的科知识题。

清华大学物理系徐勇陶冶、段文晖陶冶揣测打算组发展了一种深度学习方法DeepH，能达成由材料构型快速、高精度地展望密度泛函表面哈密顿量，可极大加快电子结构商量。DeepH方法充分诳骗了电子性质的局域性旨趣，只需要诳骗小体通盘据集磨真金不怕火的模子便不错在大步调材料体系给出准确展望。通过引入局域坐标系与基组变换，DeepH方法能妥善处理哈密顿量的旋转协变问题，确保模子的泛化智力并简化学习难度。DeepH方法从密度泛函表面数据中学习，并展望需要揣测打算材料构型的哈密顿量，可跳过耗时的密度泛函表面自洽迭代过程，达成高效的第一性旨趣电子结构商量。

探花porn

通过对多种代表性材料的态密度、能带结构、非线性光学反馈多种物感性质的精准展望，该使命展示了DeepH方法的高精度（展望漏洞为毫电子伏特级别）和精致的可移动性。测试材料体系涵盖了准一维/准二维/三维的空间维度、平坦或卷起的原子构型、强化学键或范德瓦耳斯键、单种或多种化学元素、探讨了有或无自旋轨说念耦合的情况，充分评释了DeepH方法的通用性与可移动性。DeepH方法的一个奏效应用是揣测打算双层转角范德瓦尔斯材料。转角材料具有丰富的新奇物感性质，但因为该体系具有很大的摩尔超周期，传统的密度泛函表面商量难以揣测打算其电子结构。DeepH方法只需通过无转角材料构型的密度泛函表面截止磨真金不怕火，就不错高效准确地展望多样转角材料构型的物感性质，这仍是由不受限于元素种类和单胞边幅，可用于构建转角材料高通量数据库。DeepH方法不错为大步调材料和物理问题的第一性旨趣揣测打算提供新机会。

DeepH方法用于高效电子结构商量的默示图。a.密度泛函表面哈密顿量是材料构型的函数91 麻豆，继续由耗时的自洽商量取得，DeepH方法诳骗深度神经收集展望给定原子构型的哈密顿量，取得的哈密顿量不错被用于商量多样物感性质。b.使用DeepH方法揣测打算转角范德瓦尔斯材料的经由图。通过无转角材料构型的密度泛函表面截止磨真金不怕火，DeepH模子不错高效准确地展望多样转角材料构型的物感性质

该恶果以“用于高效重新算电子结构商量的深度学习密度泛函表面哈密顿量”（Deep-learning density functional theory Hamiltonian for efficient ab initio electronic-structure calculation）为题发表在6月23日的《当然·商量科学》（Nature Computational Science）。同时，该杂志还发表了以“通过深度学习晋升重新算电子结构商量遵守（Improving the efficiency of ab initio electronic-structure calculations by deep learning）”为题的揣测打算简报（Research Briefing）先容上述恶果。

清华大学物理系徐勇陶冶和段文晖陶冶为该论文的通信作家，揣测打算组2019级博士生李贺、2017级博士生王尊、2018级博士生邹念龙为共同第一作家。协作家还包括揣测打算组博士后叶萌、博士后徐润章和北京大学2019级本科生贡晓荀。该使命取得了国度当然科学基金委基础科学揣测打算中心、国度科技部等方法单元的复旧。

论文衔接：

https://www.nature.com/articles/s43588-022-00265-6

供稿：物理系

题图遐想：李娜

裁剪：李华山

审核：吕婷91 麻豆

• 结构
• 91 麻豆
• 深度
• 物理系
• 学习方法