Adv Mater｜AI时代的计算化学实验：从量子化学到机器学习及其反向应用

本文综述了人工智能时代下，计算化学从量子化学到机器学习的发展及其相互结合的应用。随着计算化学在分子理解和化学性质预测中的重要性增加，传统方法面临计算成本高和难以求解薛定谔方程的挑战。人工智能和机器学习技术的引入，提高了化学空间探索的效率和速度，尽管在模型的可复制性和可转移性方面仍存在挑战。文章详细介绍了机器学习在能量和性质预测中的演变，从数据驱动的方法到融入量子力学物理法则的模型。此外，文章还讨论了机器学习在优化传统计算方法和改进波函数表示中的应用，强调了物理信息在提高模型泛化能力和减少数据需求中的重要性。最后，文章指出理论化学家的直觉在未来发展中仍将发挥核心作用，推动计算机实验与量子力学和机器学习的结合，探索新的物理和数据驱动的解决方案。