DeepMind利用神经网络可更准确描述化学系统中的电 - 化学进展杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 化学进展

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

DeepMind利用神经网络可更准确描述化学系统中的电

作者:

关键词:

摘要：

近日发表在《Science》上的一篇论文中，DeepMind 团队展示了如何利用神经网络，从而实现比现有方法更准确地描述化学系统中的电子相互作用。建立于 20 世纪 60 年代的密度函数理论（Density Functional Theory）描述了电子密度和相互作用能量之间的映射关系。

50 多年来，电子密度和相互作用能量之间映射的确切性质，也就是密度函数一直是未知的。在该领域的一项重大进展中，DeepMind 已经表明，神经网络可以用来建立一个比以前更准确的电子密度和相互作用图。

通过将函数表达为神经网络，并将精确的属性纳入训练数据，DeepMind 能够训练模型，以学习没有两个重要的系统性错误--脱焦错误（delocalization error）和自旋对称性破坏（spin symmetry breaking），从而更好地描述一大类化学反应。

在短期内，这将使研究人员有能力通过该代码提供的精确密度函数的改进近似值，以便立即使用。从长远来看，这是显示深度学习在精确模拟量子力学水平上的承诺的又一步骤--通过允许研究人员在纳米级水平上探索有关材料、药品和催化剂的问题，这可能会在计算机中实现材料设计。

DeepMind 的研究科学家 James Kirkpatrick 说：“了解纳米级的技术在帮助我们解决21世纪的一些重大挑战方面正变得越来越关键，从清洁电力到塑料污染。"这项研究是朝着正确的方向迈出的一步，使我们能够更好地理解电子之间的相互作用，这是维系分子的粘合剂”。

为了加快该领域的进展，DeepMind已经免费提供了该论文和开源代码。

DOI: 10.1126/

文章来源：《化学进展》网址: http://www.hxjzzz.cn/zonghexinwen/2022/0301/1897.html