(纯计算)耶鲁大学Nat. Comput. Sci.: 基于格林函数的多体量子化学统一深度学习框架

本文介绍了耶鲁大学Tianyu Zhu课题组在Nat. Comput. Sci.上发表的研究论文，提出了一种基于多体格林函数（MBGF）的深度学习框架，用于统一预测分子和材料在基态和激发态下的电子性质。背景方面，传统的密度泛函理论（DFT）虽然广泛应用，但由于其系统误差和近似交换关联泛函的不确定性，预测能力有限。研究目的是通过机器学习方法克服多体量子化学计算的高成本问题，并提高数据效率。该框架通过从平均场特征中学习多体微扰理论或耦合簇自能，成功预测了单粒子和双粒子激发以及相关电子性质，展示了在化学物种、体系尺寸和键断裂关联方面的高数据效率和良好的可迁移性。结论表明，该研究为利用机器学习解决多电子问题提供了新的机会。