Information Routing in Atomistic Foundation Models: How Task Alignment and Equivariance Shape Linear Disentanglement
该论文提出了组分探针分解(CPD)方法,揭示了在原子基础模型中,任务对齐度是决定几何与组分信息能否线性解耦的主导因素,并发现不同架构模型间存在显著的线性可及性梯度,且信息在特定对称性通道(如向量通道编码偶极矩、标量通道编码能隙)中按对称类型路由。
149 篇论文
该论文提出了组分探针分解(CPD)方法,揭示了在原子基础模型中,任务对齐度是决定几何与组分信息能否线性解耦的主导因素,并发现不同架构模型间存在显著的线性可及性梯度,且信息在特定对称性通道(如向量通道编码偶极矩、标量通道编码能隙)中按对称类型路由。
该研究结合机器学习与电子结构理论,通过超越标准密度泛函理论并采用“金标准”CCSD(T) 方法,成功实现了对水溶液中 CaCO₃离子对自由能的精确预测,从而解决了长期存在的计算挑战并获得了与实验一致的定量热力学结果。
该论文提出了一种针对特定任务的过程级量化框架,通过定义资源影响泛函来直接衡量量子资源对化学动力学中目标观测量的最大操作影响,并建立了相应的变分与时间界限,从而为诊断和基准测试分子过程中的量子资源效应提供了通用工具。
该研究通过开发混合矩阵乘积态 - 层级运动方程(MPS-HEOM)方法,揭示了在分子极化激元系统中,无序度与声子时间尺度通过抑制集体行为并激活暗态,共同决定了系统达到热力学极限所需的最小尺寸及收敛机制。
该研究提出了一种通过机器学习直接预测两电子约化密度矩阵(2-RDM)的通用框架,成功构建了能够以极低成本实现耦合簇精度、并适用于包含数百个水分子的葡萄糖等大规模凝聚相体系的电子结构代理模型。
该研究利用高精度从头算方法构建了臭氧低能四态的绝热势能面及非绝热耦合,通过系统扩展活性空间与基组并引入多参考修正,成功定位了多个几何构型下的圆锥交叉点,并给出了不含“礁石”特征的入射路径及四维态子空间的 diabatic 哈密顿量矩阵元。
本文介绍了一种名为 paces 的并行化算法,该方法通过在 GPU 上动态构建与量子态协同演化的哈密顿算符子空间,高效且精确地求解任意稀疏哈密顿量下的含时薛定谔方程。
该研究通过第一性原理计算揭示了金属卤化物钙钛矿中卤素偏析的热力学驱动力,阐明了 A 位阳离子对偏析倾向的调控作用以及光生空穴在碘离子处局域化引发氧化和空位形成从而加速偏析的机制,并建立了基于缺陷形成能差的描述符以指导稳定混合卤化物钙钛矿的设计。
该论文系统开发了用于机器学习原子间势的混合专家(MoE)架构,通过结合稀疏激活、共享专家及元素级路由策略,不仅显著提升了模型精度并达到基准测试的最先进水平,还揭示了专家网络能够捕捉与元素周期表趋势一致的化学特征。
该论文提出了一种基于海森堡图景的混合量子算法框架,通过经典计算的序列吉文斯旋转逐步将电子哈密顿量对角化,从而显著降低了电子结构模拟中的测量开销与电路深度。
该研究利用 DMRG 方法求解 PPP 模型,定义了多烯中$2^1A_g$暗态的三重态对布居数,并预测在真实库仑相互作用下其有限尺寸标度值约为 75%,从而证实了该态主要具有三重态对特征,为多烯中的单重态裂变机制提供了进一步证据。
这篇综述文章系统总结了二维半导体中由库仑相互作用束缚的三粒子准粒子(三激子)的理论模型与实验进展,重点探讨了介电环境、各向异性及外场对其结合能与稳定性的影响,并揭示了其与多体物理现象的内在联系。
该研究首次揭示并阐明了在原子和分子气体中(尽管粒子间距很大)存在一种此前未被认知的、不同于弱束缚体系的高效分子间库仑衰变新机制。
该研究通过采用减缓极化转移速率的 NMR 脉冲序列,在化学交换速率较低且磁不等价性较高的 SABRE 系统中实现了比传统快速转移方法更优的极化产率。
该论文提出了一种基于哈密顿量对称性的多参考微扰理论(SBPT),通过选择具有更高对称性的参考哈密顿量来显著降低计算资源需求,并展示了其在扩展现有理论及改善特定分子体系计算结果方面的优势。
本文提出了一种名为 NATPS 的新方法,该方法基于具有时间可逆性和细致平衡条件的 MASH 动力学,通过结合过渡路径采样(TPS)框架,显著降低了模拟稀有非绝热事件的计算成本并提供了机理洞察。
该研究通过密度泛函方法计算了 LiH 和 LiD 晶体中超越严格玻恩 - 奥本海默近似的电子密度,发现考虑原子核的量子效应后,理论结果与实验观测的吻合度显著提高,并揭示了电子密度的显著温度依赖性,表明轻元素固体在常压下存在不可忽略的非玻恩 - 奥本海默效应。
该研究提出了一种非经验性的包含电子密度拉普拉斯算子的 meta-GGA 泛函,显著缓解了半局域密度泛函近似中的自相互作用误差,使体系的结合能曲线在平衡位置及宽键长范围内均优于 PBE 和 SCAN 泛函并接近精确解。
本文提出了一种名为“对与方”的新元素周期表排布方式,该方案利用原子能级轨道数均为完全平方数的特性,使周期表呈现出比现有版本更规整且直观的结构。
该论文提出了一种名为 DOTA 的基于 DOS Transformer 的深度学习模型,通过捕捉局域态密度与吸附能之间的轨道相互作用模式,有效融合实验与多保真度量子化学数据,在仅需少量高精度训练数据的情况下实现了具有化学精度的表面吸附能预测,从而解决了长期存在的"CO 难题”并推动了表面化学的高效材料筛选。