BriefGPT - AI 论文速递
·
固体迁移性神经波函数
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种结合神经网络和Monte Carlo方法的深度迁移学习方法，用于解决高精度计算中计算成本大的问题。通过引入权重共享约束的优化过程，可以加速优化核几何集，产生高精度的神经网络波函数。
🎯
关键要点
- 本文介绍了一种结合神经网络和Monte Carlo方法的深度迁移学习方法。
- 该方法解决了高精度计算中计算成本大的问题，特别是在处理大量粒子时。
- 引入权重共享约束的优化过程，使神经网络模型的95%权重可在不同分子几何图案之间共享。
- 该技术可以加速相同分子的核几何集的优化一倍。
- 实现这一方法可以产生预先训练的神经网络波函数，确保在不同分子上也能达到高精度。
➡️
