- 论文答辩的流程有哪些? 46
- 关于sci一区二区期刊评职称是否 71
- 编辑部处理完毕后见刊的一般程序有 56
- 在进行知网查重时,需要注意哪些问 43
- 关于高效参加学术会议的重要建议 62
- 拍好学术会议纪要的相关建议 32
- 关于《兰州大学学报(医学版)》的 46
- 专利发明人位置是按什么排序的呢? 60
- 备受青睐的材料化学SCI期刊有哪 56
- 查询近期学术会议的方式 76
- 探讨自然科学领域论文发表中文或英 58
- 自然地理与资源坏境专业就业前景及 64
- 分析化学优秀论文题目有哪些? 41
- 介绍一些发表行为经济学相关论文的 70
- 测试计量技术及仪器优秀的论文题目 72
- ICRESG 20364
- 中国灾害防御协会风险分析专业委员 20424
- 内蒙古医学院附属医院核医学科 20405
- 湖南诗和远方出版文化传媒有限公司 7382
- CRTEWS 17376
- 武汉青博盛学术服务有限公司 22386
- 企升会展公司 1392
- 中国视延有限责任公司 20390
- 博思教育 20453
- 天津广联会议服务中心 22429
- 中国科学院宁波材料所 17397
- 上海商图信息咨询有限公司 7393
- APC 22381
- 中国硅酸盐学会测试技术分会 7398
- UBM China 20391
- 上海生物谷 23374
- 北京四海群英会议服务有限公司 20385
- 江苏满程千渠会展服务有限公司 7520
- International As 7385
- 青岛亚运国际物流有限公司 17395
清华大学物理系徐勇、段文晖研究组开发出高效精确的第一性原理电子结构深度学习方法与程序
2024/04/25
第一性原理计算已被广泛应用于物理、材料、化学、生物相关的科学研究。然而,受限于计算效率和精度,如何实现大尺度材料体系的第一性原理研究是该领域的一个重大挑战。基于人工神经网络的深度学习方法为解决该挑战问题带来了曙光。近期,深度学习已经成功应用于精确预测原子间相互作用,并加速分子动力学模拟。相比之下,理解、预测材料物性离不开电子结构计算,其深度学习的方法实现更具挑战性,研究进展有限。因此,发展深度学习方法、解决第一性原理电子结构计算的效率-精度两难困境是一个关键的科学问题。
清华大学物理系徐勇教授、段文晖教授研究组发展了一种深度学习方法DeepH,能实现由材料构型快速、高精度地预测密度泛函理论哈密顿量,可极大加速电子结构计算。DeepH方法充分利用了电子性质的局域性原理,只需要利用小体系数据集训练的模型便可以在大尺度材料体系给出准确预测。通过引入局域坐标系与基组变换,DeepH方法能妥善处理哈密顿量的旋转协变问题,确保模型的泛化能力并简化学习难度。DeepH方法从密度泛函理论数据中学习,并预测需要研究材料构型的哈密顿量,可跳过耗时的密度泛函理论自洽迭代过程,实现高效的第一性原理电子结构计算。
通过对多种代表性材料的态密度、能带结构、非线性光学响应多种物理性质的精确预测,该工作展示了DeepH方法的高精度(预测误差为毫电子伏特级别)和良好的可迁移性。测试材料体系涵盖了准一维/准二维/三维的空间维度、平坦或卷起的原子构型、强化学键或范德瓦耳斯键、单种或多种化学元素、考虑了有或无自旋轨道耦合的情况,充分说明了DeepH方法的通用性与可迁移性。DeepH方法的一个成功应用是研究双层转角范德瓦尔斯材料。转角材料具有丰富的新奇物理性质,但因为该体系具有很大的摩尔超周期,传统的密度泛函理论计算难以研究其电子结构。DeepH方法只需通过无转角材料构型的密度泛函理论结果训练,就可以高效准确地预测各种转角材料构型的物理性质,这一流程不受限于元素种类和单胞形状,可用于构建转角材料高通量数据库。DeepH方法可以为大尺度材料和物理问题的第一性原理研究提供新契机。
DeepH方法用于高效电子结构计算的示意图。a.密度泛函理论哈密顿量是材料构型的函数,通常由耗时的自洽计算得到,DeepH方法利用深度神经网络预测给定原子构型的哈密顿量,得到的哈密顿量可以被用于计算各种物理性质。b.使用DeepH方法研究转角范德瓦尔斯材料的流程图。通过无转角材料构型的密度泛函理论结果训练,DeepH模型可以高效准确地预测各种转角材料构型的物理性质
该成果以“用于高效从头算电子结构计算的深度学习密度泛函理论哈密顿量”(Deep-learning density functional theory Hamiltonian for efficient ab initio electronic-structure calculation)为题发表在6月23日的《自然·计算科学》(Nature Computational Science)。同期,该杂志还发表了以“通过深度学习提高从头算电子结构计算效率(Improving the efficiency of ab initio electronic-structure calculations by deep learning)”为题的研究简报(Research Briefing)介绍上述成果。
清华大学物理系徐勇教授和段文晖教授为该论文的通讯作者,研究组2019级博士生李贺、2017级博士生王尊、2018级博士生邹念龙为共同第一作者。合作者还包括研究组博士后叶萌、博士后徐润章和北京大学2019级本科生贡晓荀。该工作得到了国家自然科学基金委基础科学研究中心、国家科技部等项目单位的支持。
文章来源清华大学新闻,分享只为学术交流,如涉及侵权问题请联系我们,我们将及时修改或删除。
北京大学物理学院高鹏课题组与合作者报道FeSe/SrTiO3超导体界面局域声子的原子尺度测量
清华大学燕立唐教授团队在大分子网络输运动力学理论研究方面取得新进展
北京大学马思伟研究团队在基于内容分析的高效视频编码研究方面取得进展
北京大学生命科学学院秦跟基课题组与合作者揭示水稻花药适时开裂的分子机制
清华大学生命学院陈浩东课题组与合作者揭示植物感受重力的分子机制
东华大学材料科学与工程学院先进功能材料课题组王宏志教授团队在智能纤维领域取得进展
第四届计算机图形学、图像与虚拟化研究国际会议(ICCGIV 2024)(2024-05-17)
第九届机电控制技术与交通运输国际学术会议(ICECTT 2024)(2024-05-24)
2024年教育政策与实践研讨会(ICEPP 2024)(2024-05-24)
第三届机电一体化与机械工程国际会议(ICMME2024)(2024-05-24)
2024年电子器件、传感控制技术与光学机械工程国际学术会议(EDSCTOE 2024)(2024-05-25)
第十四届地质和地球物理学国际会议(ICGG 2024)(2024-05-31)
2024年食品工程与农业科学国际会议(ICFEAS 2024)(2024-06-02)
2024年第三届网络、通信与信息技术国际会议(CNCIT 2024)(2024-06-07)
第十届机械工程、材料和自动化技术国际会议(MMEAT 2024)(2024-06-21)
2024年先进机器人,自动化工程与机器学习国际会议(ARAEML 2024)(2024-06-28)
2024年社会发展、语言与公共管理国际学术会议(SDLPA 2024)(2024-5-25)
2024年新能源技术与动力工程国际学术会议(ICNETPE 2024)(2024-5-28)
2024年计算机视觉、机器人与自动化工程国际学术会议(CRAE 2024)(2024-6-21)
2024年医学,生物工程与信息科学国际研讨会(ISMBIS 2024)(2024-6-25)
2024年农业工程与绿色可持续发展国际学术会议(ICAEGSD 2024)(2024-5-18)
2024土木建筑、矿山工程与交通运输国际学术会议(ICCEMET 2024)(2024-6-24)
2024年机械、电气工程与自动化控制国际学术会议(ICMEEAC 2024)(2024-6-26)
2024环境、能源材料与生物信息科学国际学术会议(ICEEMB 2024)(2024-5-25)
2024生物技术、生物医学与智能系统国际学术会议(ICBBSIS 2024)(2024-6-18)
第七届林业和畜牧业国际学术研讨会(FAH 2024)(2024-5-28)