段文晖院士领衔！清华大学/北京大学：深度学习电子结构计算 | Nature Computational Science

本文是一篇综述文章，背景是第一性原理电子结构计算方法在物理、化学和材料科学中至关重要，但面临精度与效率难以兼顾的瓶颈。研究目的是探讨深度学习技术如何与量子蒙特卡洛（QMC）和密度泛函理论（DFT）这两种代表性方法结合，分别在提升计算精度和效率方面取得突破。结论指出，以DeepH方法为代表的深度学习DFT方法能实现万原子量级的高效计算，而深度学习QMC方法则能逼近计算化学的“金标准”；两者融合互补有望推动电子结构计算在复杂量子现象研究和材料发现设计中的更广泛应用。