文章预览
搞材料模拟的兄弟们都知道，密度泛函理论（DFT）是块硬骨头，算起来又慢又费劲！😩 不过，清华大学的课题组最近开发了一个名为 AI2DFT（基于清华自研算法Deep-learning DFT Hamiltonian的软件） 的神器，用神经网络来加速 DFT 计算，速度直接起飞 传统的深度学习 DFT 研究，都是先用 DFT 吭哧吭哧算一堆数据，然后再用这些数据来训练神经网络。这样做虽然也能提高效率，但是神经网络和 DFT 还是各玩各的，没有真正融合在一起 清华大学的这个 AI2DFT 就厉害了！它把神经网络和 DFT 的优化过程融合到了一起，实现了“物理信息无监督学习”！也就是说，AI2DFT 不仅能从数据中学习，还能从物理规律中学习，简直是开了挂！ 清华大学物理系徐勇、段文晖研究组基于深度学习密度泛函理论哈密顿量（DeepH）方法，发展出一种具备第一性原理智能的深度学习电子
………………………………
