快多个数量级，清华更高精度、更泛化的深度学习电子结构计算方法登Nature子刊

清华大学物理系徐勇、段文晖研究组开发了一种新的深度学习电子结构计算方法，名为DeepH。该方法通过实空间重构技术，将原本仅支持原子基组的DeepH方法扩展至适用于平面波基组，从而提高了计算精度和泛化能力。这种方法比传统基于投影的方法快几个数量级，并且能够与所有密度泛函理论（DFT）程序兼容。研究结果显示，新方法在双层石墨烯和双层MoS2系统中的应用表现出色，能够准确预测电子结构，且计算效率显著提高。相关研究发表在《Nature Computational Science》上。