Py学习  »  机器学习算法

研究前沿:清华大学 徐勇/段文晖-量子材料-深度学习 | Nature Computational Science

今日新材料 • 1 年前 • 407 次点击  

在新兴量子材料研究中,磁性超结构magnetic superstructures的第一性原理研究是不可或缺的部分之一,但目前受制于巨大计算成本。

近日,清华大学 物理学院 He Li, Zechen Tang,段文晖Wenhui Duan &  徐勇Yong Xu等,在Nature Computational Science上发文,报道开发了深度等变神经网络框架,用以表示磁性材料的密度泛函理论哈密顿量,并用于高效的电子结构计算。
这种神经网络结构,结合了基本物理原理的先验知识,特别是近视原理nearsightedness principle、以及欧几里德和时间反演对称性的等方差要求(),这对于捕捉细微的磁效应,是至关重要的。同时,对自旋螺旋、纳米管和莫尔磁体进行了系统的实验,并使磁性斯格明子的挑战性研究变得可行。
Deep-learning electronic-structure calculation of magnetic superstructures. 
深度学习磁性超结构的电子结构计算。

图1: 扩展深度学习DFT哈密顿(xDeepH)法,用于研究磁性材料。


图2: xDeepH神经网络架构。

文献链接
https://www.nature.com/articles/s43588-023-00424-3
https://doi.org/10.1038/s43588-023-00424-3
本文译自Nature,图片来自预印本,具体请参阅Nature出版版本。

推荐阅读
徐勇、段文晖研究组在量子反常霍尔绝缘体研究中取得进展
(纯计算)清华大学徐勇/段文晖团队Nano Lett.: 量子反常霍尔绝缘体的可控手性和带隙
徐勇、段文晖研究组开发出高效精确的第一性原理电子结构深度学习方法与程序

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/154251
 
407 次点击