IXThinker·2026-03-23 15:10

物理約束哈密頓學習預測材料光電性質

預測大規模原子體系的光電性質對材料設計至關重要，但第一性原理計算成本高昂，難以實用。發表於《自然·通訊》的研究提出物理約束哈密頓學習框架HAMSTER，兼顧精度與效率。

三條路線的取捨

基於第一性原理的量子力學計算在大體系中成本極高，難以用於實際材料開發；神經網絡方法有潛力但需大量數據且缺乏物理可解釋性；純物理近似方法則精度不足、泛化性差。