密度泛函理论是一种研究多电子体系电子结构的方法。它在物理和化学上都有广泛的应用，该理论将体系的基态能量看做电子密度的泛函，计算结果极大程度上取决于所选的泛函类型。但这一泛函长期以来并未被科学地解释，且在描述分数电荷和自旋问题时存在系统误差。

近日，研究人员使用人工智能建立了新的DM21泛函，消除了现有泛函的基本系统误差，且对电子相互作用进行了更加精确的模拟。

在研究过程中，科学家利用Deep Mind平台开发了一个框架，可以用准确的化学数据和电子约束来训练神经网络，进而开发出了DM21泛函。该泛函可以学习具有离域误差和自旋对称性破坏的系统，能够更精确、更广泛地对化学反应进行建模。

这项研究通过人工智能方法解决了DFT理论的系统性误差，使研究人员能够在纳米尺度上探索有关材料、药物和催化剂的问题。

该研究论文题为“Pushing the frontiers of density functionals by solving the fractional electron problem”，已发表在《科学》杂志上。

前瞻经济学人APP资讯组

论文原文：https://www.science.org/doi/10.1126/science.abj6511

标签： DeepMind 电子相互作用