可迁移深度量子蒙特卡洛实现激发态势能面从头模拟
事件历史事件
可迁移深度量子蒙特卡洛实现激发态势能面从头模拟
1 篇报道1 个报道来源11 天前更新
先了解这件事
AI 综述
研究团队提出一种可几何迁移的神经网络波函数优化方法,用于深度量子蒙特卡洛从头预测基态与激发态势能面及其交叉点。 该方法利用权重共享和电子态动态排序,相比单点计算最多可将成本降低两个数量级;团队在乙烯、碳二聚体、methylenimmonium cation 和含96个电子的 rubredoxin 活性位点模型上完成了验证。
AI 根据报道生成 · 10 天前更新
最新进展11月6日 08:00
可迁移深度量子蒙特卡洛实现激发态势能面从头模拟报道时间线
沿着报道,了解事件的不同侧面。
11月6日
- Nature Computational Science可迁移深度量子蒙特卡洛实现激发态势能面从头模拟
研究团队提出一种可几何迁移的神经网络波函数优化方法,可高效预测基态与激发态势能面及其交叉点。该方法利用权重共享和电子态动态排序,相比单点计算最多降低两个数量级成本。作者在乙烯、碳二聚体、methylenimmonium cation 和含 96 个电子的 rubredoxin 活性位点模型上验证了方法。