程序 · 杂谈 | 清华放大招：AI 重构电子结构计算，神经网络和 DFT 强强联手，材料模拟要变天

 搞材料模拟的兄弟们都知道，密度泛函理论（DFT）是块硬骨头，算起来又慢又费劲！😩 不过，清华大学的课题组最近开发了一个名为 AI2DFT（基于清华自研算法Deep-learning DFT Hamiltonian的软件） 的神器，用神经网络来加速 DFT 计算，速度直接起飞。

传统的深度学习 DFT 研究，都是先用 DFT 吭哧吭哧算一堆数据，然后再用这些数据来训练神经网络。这样做虽然也能提高效率，但是神经网络和 DFT 还是各玩各的，没有真正融合在一起。

清华大学的这个 AI2DFT 就厉害了！它把神经网络和 DFT 的优化过程融合到了一起，实现了“物理信息无监督学习”！也就是说，AI2DFT 不仅能从数据中学习，还能从物理规律中学习，简直是开了挂！

清华大学物理系徐勇、段文晖研究组基于深度学习密度泛函理论哈密顿量（DeepH）方法，发展出一种具备第一性原理智能的深度学习电子结构计算方法DeepH-Zero。该方法首次在算法层面实现了神经网络与密度泛函理论的深度结合，赋予了模型基于物理原理的非监督学习能力！相关研究成果以“基于变分能量最小化的神经网络密度泛函理论”（Neural-network Density Functional Theory Based on Variational