标签：密度泛函理论

在催化剂筛选领域，快速评估催化剂表面与吸附质之间的全局最低吸附能（Global Minimum Adsorption Energy, GMAE）是至关重要的任务。然而，传统基于密度泛函理论（DFT）的计算方法往往需要处理多个吸附位点和复杂构型，导致时间和资源成本高昂。 为解决这一问题，洛桑联邦理工学院（EPFL）Philippe Schwaller教授团队与上海交通大学贺玉莲教授团队联合开发了一种多模态Transformer框架——AdsMT。该框架由博士生陈俊武（现就读于EPFL）和黄旭（现就读于UC Berkeley）共同主导完成，并于2025年4月4日发表在《Nature Communicat...

两年前，清华大学物理系的徐勇和段文晖研究团队开发了一种名为DeePH的高效精确的第一性原理电子结构深度学习方法，极大地提升了电子结构计算的速度。近期，该团队又开发了一种新的实空间重构方法（real-space reconstruction），将DeePH方法推广至平面波基组，使其能够与所有密度泛函理论（DFT）程序兼容。这种方法比传统投影方法快几个数量级，为深度学习电子结构计算带来了更高的精度和更好的泛化能力，并打开了利用电子结构大数据进行深度学习的大门。 DeePH的成功与局限 近年来，从头计算与人工智能技术的结合取得了...