业界首个适用于固体系统的神经网络波函数，登上Nature子刊

原副标题：业内第一个适用于于液态控制系统的数学数学模型自旋，荣登Nature民泽

电脑之心时评

电脑之心杂志社

电脑自学能处理海量，解决复杂情景下的自然科学痛点，率领自然科学探索到达过去无法冲破的新应用领域。比如说 DeepMind 用人工睿智应用软件 AlphaFold 对自然理论物理学界未知的基本上大部份蛋白结构进行了高度精确的预测；Christian Lagemann 明确提出的基于广度自学的光子影像慢速 (PIV) 方式一改原本的纯全自动设置模块，大大提升数学模型的应用范围，对汽车、航太和生物科学工程等多个应用领域的自然科学研究具有非常重要的意义。

AlphaFold 能推断出基本上大部份未知蛋白的结构（图源：DeepMind）

有充足的数据，有一个精确的数学模型来描述解的自然科学问题，很多基础自然科学的 “五十年待解谜团” 都能被电脑自学接踵而至。比如说力学、磁学力学学、分析化学等等。

最近，二进制颤动 AI Lab Research 项目组和清华大学力学学院马维祺研究组的工作《 Ab initio calculation of real solids via neural network ansatz》 得出了自然科学研究磁学力学的新途径，该组织工作明确提出了业内第一个适用于于液态控制系统的数学数学模型自旋，实现了液态的纳氏林原理计算，并将原始数据推至了统计力学无限大。其有力地证明了数学数学模型是自然科学研究液态力学的高效率工具，也预示着着广度自学控制技术将在磁学力学中发挥越来越重要的作用。相关自然科学科研成果于 2022 年 12 月 22 日发表于国际世界顶级报刊 Nature Communication 杂志上。

学术论文镜像：https://www.nature.com/articles/s41467-022-35627-1

自然科学研究背景及自然科学研究方式

精确解液态控制系统的薛定谔方程是磁学力学的圣杯之一。在过去数十年的磁学自然科学研究中，密度泛函理论被广泛采用并取得了巨大成功。

尽管如此，密度泛函理论仍存在着诸多不足：对于复杂的强关联控制系统，密度泛函理论无法得出精确描述；在泛函挑选上也缺乏控制系统性提高自身精度的方式。近年来，相比于密度泛函理论，更为精确和通用的自旋方式得到了越来越多的关注和自然科学研究。

针对这一现状，二进制颤动 AI Lab Research 项目组联合清华大学力学学院马维祺研究组设计了适用于于液态控制系统的周期性数学数学模型自旋，并与量子蒙特卡洛方式结合，实现了对于液态控制系统的纳氏林原理计算。在该组织工作中，广度自学控制技术被首次应用于连续空间的液态控制系统自然科学研究，并将计算推至了统计力学无限大。

该组织工作的核心是将周期性推广后的控制系统特征向量与现有的分子数学数学模型自旋结合，构造出具有周期对称性和完全反对称性的液态控制系统自旋。之后，该组织工作运用量子蒙特卡洛方式高效率地训练数学数学模型，并在一系列真实液态上进行了测试。

实验结果及分析

首先，作者在周期性的一维氢链上进行了测试。一维氢链是磁学中最为经典的控制系统之一，对于它的精确解有助于人们理解强关联控制系统的特性。原始数据表明，数学数学模型可以达到与传统高精度方式（如辅助场蒙特卡洛）相近的精度。

随后，作者运用数学数学模型计算了二维石墨烯材料。石墨烯是近二十年来炙手可热的自然科学研究材料，它在导热、导电等方面的奇特性质具有重要的自然科学研究和应用价值。该组织工作精确计算了石墨烯的内聚能，原始数据与实验数据一致。

为了进一步验证组织工作的有效性，作者计算了三维的锂化氢材料并将计算规模推至了热力学无限大，计算规模最大达到了 108 个电子，这也是至今为止数学数学模型所能模拟的最大液态控制系统。计算得到的材料内聚能，体积模量等均符合实验结果。

最后，作者自然科学研究了理论上更为有趣的均匀电子气控制系统。均匀电子气系统与许多新奇的力学效应（如量子霍尔效应）息息相关，因此深入理解均匀电子气具有重要的理论价值。原始数据表明，数学数学模型在均匀电子气上取得了不错的效果，接近甚至超越了许多传统高精度方式的结果。

该组织工作有力地证明了数学数学模型是自然科学研究液态力学的高效率工具。随着算法的进一步完善，数学数学模型控制技术将在磁学力学中发挥更加重要的作用：如液态控制系统的相变，表面力学，非常规超导体等。这些课题的自然科学研究都需要高精度的液态自旋作为基石。同时，作者也在致力于自然科学研究更为高效率的数学数学模型自旋，为磁学力学的自然科学研究提供更多可能性。