深度神经网络解决多体薛定谔方程中自旋对称性解的问题
深度学习框架用于多体薛定谔方程的自旋对称解研究:一种新方法的开创性成果 量子物理和量子化学领域中,多体电子体系的描述一直是一个重要但极具挑战性的课题。准确表征电子-电子强关联尤其对催化、光化学和超导性等领域具有深远意义。然而,传统的方法,如广泛使用的Kohn–Sham密度泛函理论(KS-DFT),在多参考体系中对静态关联的描述仍存在不足。这一不足导致了所谓的“对称性困境”(symmetry dilemma),即自旋对称破缺的解尽管是不物理的状态,却能获得较低的能量结果。此外,虽然波函数方法在捕获静态关联方面表现出色,但其计算复杂度较高,需要专家选择合适的活性空间,对普通应用存在显著障碍。因此,找到一种高效且准确的方法来解决多体薛定谔方程,同时保持正确的自旋对称性,这是科学家们长期以来期待解决...