克日，，，
，，Nature子刊Nature Computational Science约请j9九游会理学院物理系教授李永乐在Nature Computational Science上撰写揭晓News & Views Article，，，
，，文章题为“Teaching spin symmetry while learning neural network wave functions”，，，
，，介绍了机械学习求解薛定谔方程的最新希望。。j9九游会李永乐教授为文章的第一作者，，，
，，相助者为华东师范大学的何晓教授。。

自旋对称性是量子力学中的一个基本看法，，，
，，形貌了具有自旋的粒子的固有属性。。关于要害量子态，，，
，，自旋只能取特定的量子数。。确保这些量子态坚持准确的自旋对称性关于凝聚态物理、量子化学和质料科学等领域至关主要。。然而，，，
，，由于在处理自旋态之间相互作用的重大性以及所涉及的盘算本钱的增添，，，
，，这一直是盘算模拟的恒久挑战。。本文中，，，
，，李永乐教授评述了字节跳动的任维络等人提出的一种在神经网络变分蒙特卡洛（NNVMC）中强制自旋对称性的要领，，，
，，使盘算效率相比原有要领显著提升。。详细而言，，，
，，他们通过阻止直接盘算自旋平方算符、改为使用自旋上升算符来确定多电子系统的自旋本征值，，，
，，大大镌汰了盘算量，，，
，，使得盘算效率大为提升。。通过应用自旋上升算符处分项，，，
，，他们乐成地训练了神经网络波函数，，，
，，从而获得了准确的能量和准确的自旋值，，，
，，同时降低了盘算重大性。。别的，，，
，，作者展示了该要领能够改善NNVMC中的优化方案，，，
，，防止算法陷入对应于过失自旋状态的局部极小值。。由此，，，
，，这种要领在处理具有重大自旋情形的系统时可以提高准确性，，，
，，例如碳、氮、氧和氟原子的高引发态，，，
，，以及双自由基（如扭曲乙烯和甲醛）中单重态和三重态之间的能隙。。

总之，，，
，，通过降低自旋对称性限制NNVMC的盘算本钱，，，
，，这项事情使研究职员能够以更高的保真度探索更大、更重大的多电子系统的基态与引发态电子结构。。在模拟中可靠地包括自旋对称性，，，
，，可能会推动对磁性子料的明确、新型量子装备的设计以及我们对基础量子征象的熟悉的前进。。

j9九游会李永乐课题组恒久致力于应用人工智能辅助量子动力学及分子动力学盘算。。在量子动力学方面，，，
，，接纳置换稳固多项式神经网络和嵌入原子神经网络制作反映散射势能面，，，
，，在分子动力学方面应用信息转达神经网络原子簇睁开力。。，，
，，模拟外磁场下金属的凝固形核机理，，，
，，均已揭晓系列事情。。详见个人主页：https://physics.shu.edu.cn/info/1082/1166.htm

在我国科技评价系统刷新破五唯的配景下，，，
，，j9九游会物理学科基础研究以国家战略和国际视野的科学事情态度，，，
，，围绕学校十四五妄想“五五战略”的量子科技偏向，，，
，，潜心学术研究，，，
，，作育青年人才，，，
，，一直提高影响力。。

论文链接：https://www.nature.com/articles/s43588-024-00727-z