2024/12/06 14:50

字节&北大Nature子刊新成果：自旋本征态的高效精确求解

编辑 | ScienceAI

近些年来 AI for Science 在众多领域取得重大成功。其中，基于神经网络的量子变分蒙特卡洛方法 (NNVMC) 在量子化学领域展现出强大潜力，备受关注。

最近字节跳动研究部门 ByteDance Research 和北京大学团队在 NNVMC 框架中融入物理对称性，实现了量子激发态的高效精确求解。

该工作以《Spin-symmetry-enforced solution of the many-body Schrödinger equation with a deep neural network》为题的论文已发表于国际顶级期刊《Nature Computational Science》，相关代码已经开源。

论文链接：https://www.nature.com/articles/s43588-024-00730-4

代码地址：https://github.com/bytedance/jaqmc

此外，华东师范大学何晓老师及合作者在该期刊 News & Views 撰写了相关文章《Teaching spin symmetry while learning neural network wave functions》介绍了这一工作。

文章链接：https://www.nature.com/articles/s43588-024-00727-z

该工作由 ByteDance Research、北京大学物理学院陈基课题组和北京大学智能学院王立威课题组共同完成。

方法介绍

计算结果

基态训练的提升

激发态训练的提升

作者针对两类体系做了高激发态计算，分别是原子光谱以及有机分子乙烯和甲醛，并将实验结果和当前 NNVMC 领域中具有代表性的激发态计算方法进行对比[1, 2]。

双自由基体系

由于其独特的电子结构，双自由基体系中自旋三重态与自旋单重态之间的能隙计算一直是传统量子化学领域的一大挑战。

总结

参考文献

[1] David Pfau et al., Accurate computation of quantum excited states with neural networks. Science 385, 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.

理论北京大学神经网络字节跳动AI for Science

相关数据

字节跳动机构

北京字节跳动科技有限公司成立于2012年，是最早将人工智能应用于移动互联网场景的科技企业之一，是中国北京的一家信息科技公司，地址位于北京市海淀区知春路甲48号。其独立研发的“今日头条”客户端，通过海量信息采集、深度数据挖掘和用户行为分析，为用户智能推荐个性化信息，从而开创了一种全新的新闻阅读模式

https://bytedance.com

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心

北京大学机构

北京大学创办于1898年，初名京师大学堂，是中国第一所国立综合性大学，也是当时中国最高教育行政机关。辛亥革命后，于1912年改为现名。2000年4月3日，北京大学与原北京医科大学合并，组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校，创建于1912年10月26日。20世纪三、四十年代，学校一度名为北平大学医学院，并于1946年7月并入北京大学。1952年在全国高校院系调整中，北京大学医学院脱离北京大学，独立为北京医学院。1985年更名为北京医科大学，1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构，为促进医学与人文社会科学及理科的结合，改革医学教育奠定了基础。

官网，http://www.pku.edu.cn/