研究人员开发了一种新颖的大型电子模型（LEM），能够预测跨越广泛哈密顿参数的相互作用电子的基态波函数。该模型利用费米集（Fermi Sets）架构，展示了高达50个粒子的泛化能力，能够准确预测超出传统密度泛函理论极限的电荷密度和能量。与此同时，另一个项目LimitX正在使用一个数据驱动的框架加速大规模电子结构计算。该方法侧重于通过在广泛的二聚体蛋白质数据集上训练机器学习模型来预测光谱性质，旨在优化百亿亿次计算的特征求解器性能。 AI
影响 这些AI的进步有望显著加快材料科学和药物发现领域的复杂模拟，从而实现更快的研发。
排序理由 两篇不同的研究论文，详细介绍了AI在计算物理学和材料科学中的新应用。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2603.02346v2 Announce Type: replace-cross Abstract: We introduce Large Electron Model, a single neural network model that produces variational wavefunctions of interacting electrons over the entire Hamiltonian parameter manifold. Our model employs the Fermi Sets architectur…
arXiv:2606.00401v1 Announce Type: cross Abstract: Simulating large molecular systems comprising thousands of atoms requires highly scalable methodologies. While modern Density Functional Theory (DFT) codes exhibit linear scaling, solving the associated large, sparse generalized e…