麻省理工Nature子刊：AI加速量子化学计算，精度媲美「金标准」，计算效率提升百万倍！

本文介绍了麻省理工学院研究团队在量子化学计算领域的一项创新研究，该研究通过结合机器学习和多任务学习方法，开发出一种名为MEHnet的深度学习框架，用于预测分子电子结构。MEHnet通过使用密度泛函理论（DFT）获得初始的哈密顿量，并利用神经网络预测非局域交换关联修正项，从而实现了接近耦合簇（CCSD（T））精度的分子电子结构预测。研究结果表明，MEHnet在计算效率和预测精度方面均取得了显著进展，计算效率提升了约百万倍，预测精度接近化学精度。这一研究不仅解决了量子化学计算中的关键瓶颈，还为未来的跨学科研究提供了新的思路和方法。