本报讯 近日，物理系徐勇教授、段文晖教授团队提出深度学习哈密顿量新方法DeepH-R，将深度学习的预测目标从原子轨道基组表象下的哈密顿矩阵转变为实空间Kohn-Sham势，提升了模型学习效率与精度。团队还将DeepH-R拓展至密度泛函微扰理论计算，显著简化了相关计算流程。更进一步，团队利用涵盖数十种元素和大量晶体结构的大规模材料数据集，训练出具有亚毫电子伏特预测精度的电子结构基础模型，并系统验证了模型的跨材料泛化能力。研究为构建高精度电子结构基础模型提供了新的技术路线，有望推动融合人工智能的电子结构计算方法发展，加速新材料发现。

研究成果以“密度泛函理论哈密顿量的实空间深度学习”为题，发表在《物理评论快报》（Physical Review Letters）期刊上。徐勇、段文晖为论文共同通讯作者；物理系2022级博士生袁子龙、陶泓耕，2023级博士生唐泽宸为共同第一作者。

（物理系）