arXiv · AI· Mingkang Liu, Zhanghao Zhouyin, Guanghui Wang, Daye Zheng, Lei Shen, Qiangqiang Gu·· 5 小时前AI 评分28
UniTB：基于物理结构的通用哈密顿量学习框架
Physical structure as an organizing principle for universal Hamiltonian learning
AI 导读
研究人员提出 UniTB，一种整合密度泛函紧束缚理论先验与深度学习的 E(3) 等变哈密顿量框架。该模型在 29,242 个晶体上训练，对涵盖 68 种元素的非磁性测试晶体达到 0.48 meV 的矩阵元素误差。其变体 UniTB-Flash 能以 $O(N)$ 成本组装先验，并共同完成 16,195 个晶体的筛选，显著加速材料研究。
来源：arXiv · AI · arxiv.org