💡
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
近年来，AI for Science在多个领域取得成功，尤其是在量子化学中，字节跳动与北京大学合作，利用神经网络量子变分蒙特卡洛方法（NNVMC）高效求解量子激发态，相关研究已发表于《Nature Computational Science》。
🎯
关键要点
- 近年来，AI for Science在多个领域取得成功，尤其是在量子化学中。
- 字节跳动与北京大学合作，利用神经网络量子变分蒙特卡洛方法（NNVMC）高效求解量子激发态。
- 相关研究已发表于《Nature Computational Science》，论文题目为《Spin-symmetry-enforced solution of the many-body Schrödinger equation with a deep neural network》。
- 该研究的代码已开源，链接为：https://github.com/bytedance/jaqmc。
- 华东师范大学何晓老师及合作者在同期刊撰写了相关文章，介绍了该工作。
- 研究团队包括ByteDance Research、北京大学物理学院和智能学院的多个课题组。
- 作者针对原子光谱和有机分子乙烯、甲醛进行了高激发态计算，并与当前NNVMC领域的代表性方法进行了对比。
- 双自由基体系中自旋三重态与自旋单重态之间的能隙计算是传统量子化学的一大挑战。
➡️
