DeepMind 使用 AI 近似求解薛定諤方程，FermiNet 與 Psiformer 展示突破性成果 – LionAI

大家好，我係阿布，今日想同大家分享DeepMind最新嘅量子力學突破性成果。

背景介紹

DeepMind聯合帝國理工學院，由2020年開始提出FermiNet，近呢排更推出新研究成果—應用神經網絡計算量子激發態，仲上晒Science雜誌。最新嘅研究目標係用AI技術助量子力學解難，包括經典嘅薛定諤方程。

FermiNet咪就由DeepMind同帝國理工合作提出，係為費米子打造嘅專門神經網絡。FermiNet首度展示咗如何用深度學習方法，按第一性原理計算原子同分子能量，準確度足以應用到實際。呢個突破不單係理論上有重要意義，未來可能會應用到新材料同化學合成計劃上。

另外，DeepMind基於自注意力架構推出嘅Psiformer架構，喺求解量子力不適方程方面係最準確嘅AI方法之一。兩者能幫助比起現有方法更精準且高效地近似求解薛定諤方程。

量子力學講嘅係粒子同波嘅雙重性質，有電子係用「概率雲」嘅形式嚟描述佢哋嘅位置。呢個概念難理解，但量子力學理論係可以用數學表達出嚟。最著名嘅係薛定諤方程，描述化學反應同物質行为。

FermiNet專門設計咗個神經網絡考慮到泡利不相容原理，希望每個電子位置合乎反對稱性質。實際應用裡面，係幾個經典例子上得出非常理想嘅結果。特別係雙原子碳實驗，能夠將誤差減到4meV，比現有標準更接近實驗結果。

另外，FermiNet係研究範圍廣泛，具備於蛋白質折疊、玻璃動力學、晶格量子色動力學等領域中應用嘅潛力。

科研係咁日新月異，DeepMind喺量子力學領域進一步探索意味住未來可以更準確且高效嘅解決實際問題。期待呢啲研究成果喺現實世界咁做實際應用，包括新材料製造同化學合成嘅進步。

大家好，我係阿布

Post Views: 0