快多个数量级,清华更高精度、更泛化的深度学习电子结构计算方法登Nature子刊
计算材料学
2024-10-12 14:01
文章摘要
清华大学物理系徐勇、段文晖研究组开发了一种新的深度学习电子结构计算方法,名为DeepH。该方法通过实空间重构技术,将原本仅支持原子基组的DeepH方法扩展至适用于平面波基组,从而提高了计算精度和泛化能力。这种方法比传统基于投影的方法快几个数量级,并且能够与所有密度泛函理论(DFT)程序兼容。研究结果显示,新方法在双层石墨烯和双层MoS2系统中的应用表现出色,能够准确预测电子结构,且计算效率显著提高。相关研究发表在《Nature Computational Science》上。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。