🔬 materials science

MANDALA: An E(3)-Equivariant Graph Neural Network Framework for Learning Electronic-Structure Operators with Observable Guidance

Mandala 是一个模块化的、E(3) 等变的图神经网络框架，它通过学习块稀疏量子算符来直接预测能带结构和态密度等电子观测值，从而弥合了机器学习与电子结构计算之间的差距，并以此对传统的机器学习原子间势函数进行补充。

原作者： Bartosz Brzoza, Wiktoria Szopa, Zakaria Elabid, Vincent Martinetto, Varadarajan Rengaraj, Mani Lokamani, Thomas D. Kühne, Attila Cangi

发布于 2026-07-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Bartosz Brzoza, Wiktoria Szopa, Zakaria Elabid, Vincent Martinetto, Varadarajan Rengaraj, Mani Lokamani, Thomas D. Kühne, Attila Cangi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图理解一台庞大而复杂的机器是如何运作的，比如一座未来的城市或一个巨大的生物细胞。为了做到这一点，科学家们使用了一种强大的工具，叫做“密度泛函理论”（DFT）。你可以把 DFT 想象成一台高分辨率相机，它拍摄的是电子（将原子结合在一起的微小带负电的粒子）如何移动和排列的图像。这台相机如此出色，以至于它能帮助化学家和材料科学家设计新药、更强大的电池以及更好的太阳能电池板。然而，这里有一个难点：拍摄这些图像的速度极其缓慢且成本高昂。这就像是在一部只能录制十秒钟视频的智能手机上，尝试拍摄一部 8K 分辨率的电影。因此，我们只能模拟非常小的系统或极短的时间。

为了提高速度，许多研究人员开始使用“机器学习”来猜测答案。通常，这些 AI 模型就像天气预报员：它们观察原子并预测“天气”（系统的能量以及原子之间相互推挤的力量）。这很快且有用，但它就像是只知道温度，却不知道为什么热或冷。你错过了底层的物理机制，比如风向模式或湿度。如果你想了解“能带结构”（它会告诉你一种材料是金属还是绝缘体）或电流如何在其中流动，你需要的是完整的图景，而不只是天气报告。这正是这篇新论文所带来的突破，它提供了一种方法，教 AI 看到完整的电影，而不仅仅是天气报告。

认识 Mandala：学习物质“蓝图”的 AI

在这篇论文中，一个科学家团队介绍了一个名为 Mandala 的新软件框架，它充当了量子世界中的高级建筑师。大多数材料科学中的 AI 模型只满足于猜测一场比赛的最终得分（能量），而 Mandala 则旨在学习支配电子行为的实际“规则”和“剧本”（数学算符）。

把材料中的电子想象成一场巨大而混乱的舞会。传统的 AI 模型只是计算有多少人在跳舞以及音乐消耗了多少能量。然而，Mandala 学习的是具体的舞步、舞伴如何连接以及房间的节奏。它通过预测三个特定的“蓝图”或矩阵来实现这一点：哈密顿量（描述能量和舞蹈规则）、重叠矩阵（描述舞者个人空间的重叠程度）以及密度（显示舞者聚集在哪里）。

核心秘诀：对称性与稀疏性

为什么 Mandala 特别？它使用了两个聪明的技巧让不可能变为可能。

首先，它使用了 E(3)-等变性。想象你在看一片雪花。如果你旋转雪花，它看起来完全一样，只是转了个方向。普通的 AI 可能会在旋转雪花的图片时感到困惑，认为它是一个新的、不同的物体。然而，Mandala 是“对称感知”的。它明白物理定律不会仅仅因为你转动了脑袋就发生改变。它学习舞步的方式无论你如何旋转或翻转原子都依然有效。这使得它极其高效且准确，就像一位对编舞了如指掌的舞者，无论朝哪个方向都能完美表演。

其次，它使用了稀疏性。在一个巨大的城市里，你不会同时与所有人交谈；你只与你的邻居互动。同样，电子主要与紧挨着它们的原子进行相互作用。Mandala 意识到大部分的“蓝图”都是空的（零），因为遥远的原子并不会产生影响。与其试图背诵一份庞大且空洞的电子表格，它只专注于活跃的连接。这就像一名侦探只采访那些确实出现在现场的目击者，而忽略了城市的其他部分，从而使调查过程快得多。

他们发现了什么？

作者在三种截然不同的材料上测试了 Mandala，以观察它能否应对现实世界的混乱：

ZnCu2Sn(SeS)2：一种由五种不同元素组成的复杂材料，就像一锅需要完美混合的五种不同食材的浓汤。
非晶态氧化硅：玻璃质感的、杂乱无章的，就像一堆未经分类的沙子。
晶体硅：整齐有序的网格，就像一堵完美堆叠的砖墙。

在所有这些案例中，Mandala 都成功地学习了以高精度预测“蓝图”（矩阵）。但真正的魔力发生在他们利用这些预测来计算那些并未经过显式训练的内容时。因为 Mandala 学习了底层的规则，它可以自动生成：

能带结构：能量能级的“路线图”，告诉我们一种材料是否导电。
态密度：一个直方图，显示在不同能量水平下有多少个电子“座位”可用。
能带能量和电子计数：直接从预测的蓝图中推导出的总能量和电子数量。

论文表明，Mandala 不需要为每个任务准备一个单独的 AI。它是一个“一站式商店”，既学习物理规律，又能推导出答案。

局限性与未来

作者谨慎地指出，Mandala 并不是解决一切问题的魔杖。它在原子相互作用距离较近（一个“截断半径”）时表现最好，并且目前专注于特定类型的材料，即电子是局域化的（固定在原子附近）而非到处自由漂浮的材料。

他们还指出，虽然 Mandala 可以预测“能带能量”（系统总能量的一个特定部分），但它目前还无法计算整个系统的总能量。这意味着它目前还不能完美地预测模拟中移动原子的作用力（就像视频游戏物理引擎那样）。这是未来的目标。

然而，结果是令人期待的。通过学习“算符”（数学规则）而不是仅仅学习“可观测量”（最终数值），Mandala 弥合了快速机器学习与深层量子物理之间的鸿沟。它表明我们可以鱼与熊掌兼得：既拥有 AI 的速度，又拥有传统量子力学那丰富的物理细节洞察力。

简而言之，Mandala 是一种新型工具包，它教会计算机理解电子的“语言”，而不仅仅是其“词汇”。它让科学家能够模拟更大、更复杂的材料，并观察那些此前因计算成本过高而难以看到的隐藏电子细节，从而为设计我们未来的更好材料开启了大门。

技术摘要：Mandala —— 一种用于学习电子结构算符的 E(3)-等变图神经网络框架

1. 问题陈述

基于 Kohn-Sham 密度泛函理论 (DFT) 的电子结构计算在计算材料科学中不可或缺，但受限于高昂的计算成本，限制了可及的系统规模和模拟时间。虽然机器学习原子间势 (MLIP) 已成功加速了能量和力的模拟，但它们通常仅在标量或向量层面运行。因此，传统的 MLIP 无法提供重建量子力学可观测物理量（如能带结构、态密度 (DOS)、空间电荷分布及其他电子性质）所需的算符级信息。目前存在一个方法论上的空白，即缺乏一个能够学习电子结构算符本身（哈密顿量、重叠矩阵和密度矩阵），同时又能保留从学习到的算符直接推导这些复杂可观测物理量的可扩展框架。

2. 方法论

Mandala 是一个模块化软件框架，旨在利用 E(3)-等变图神经网络 (GNN) 来学习块稀疏电子结构矩阵。该方法论构建在以下支柱之上：

算符表示： Mandala 不将电子结构视为稠密的全局数组，而是将哈密顿量 ( $H$ )、重叠矩阵 ( $S$ ) 和密度矩阵 ( $D$ ) 表示为原子对分解的稀疏块张量。这利用了局部轨道基组中电子结构的局域性。
E(3)-等变性： 该框架利用 E(3)-等变 GNN 来遵循三维空间的几何变换法则（平移、旋转和反射）。隐藏特征被分解为旋转群 $O(3)$ 的不可约表示 (irreps)，并由角动量 $\ell$ 和宇称 $p$ 进行标记。这确保了学习到的算符在对称操作下能够正确变换，而不依赖于手工设计的旋转不变性。
统一工作流： 该框架将多个组件集成到单个流水线中：
- 数据摄取： 为多种后端（OpenMX, FHI-aims, PySCF）提供解析器，将多样化的输出转换为统一的 Snapshot 格式。
- 基组转换： BlockIrrepMapper 将特定后端的轨道排序和符号约定转换为与 e3nn 库兼容的统一内部表示。
- 图构建： 通过构建带有显式晶格位移矢量的边来处理周期性边界条件，确保图边与稀疏矩阵块之间精确对齐。
- 模型架构： 网络采用等变消息传递、张量积和可配置的读出头来预测不可约表示向量，随后将这些向量重建为稀疏算符块。
可观测性引导： 一个关键特性是支持“可观测性引导”训练。由于预测的算符是可微的，可以直接从预测的矩阵中计算诸如带能量 ( $E_b = \text{Tr}(DH)$ ) 和电子数 ( $N_e = \text{Tr}(DS)$ ) 等物理量。这些物理量可以作为损失项，与矩阵重建误差一起纳入训练。对于周期性系统，还支持谱引导（spectral guidance），即将从预测算符导出的广义特征谱与 k 点网格上的参考谱进行对比。
后处理： 框架包含物理感知的后处理步骤，例如矩阵对称化、哈密顿量的规范对齐（重叠偏移校正）以及密度归一化，以确保电子数的一致性。

3. 核心贡献

框架设计： Mandala 提供了一个可重用的模块化软件栈，统一了稀疏算符预测、可观测性引导、多后端数据处理和广泛的架构探索。它允许研究人员在不重写核心代码的情况下交换数据格式、物理目标和模型变体。
算符级学习： 不同于标准 MLIP 仅预测标量能量，Mandala 预测底层的量子算符。这使得能够直接从学习到的模型中重建能带结构、态密度 (DOS) 和电荷分布。
E(3)-等变实现： 该框架为块稀疏矩阵实现了一种严谨的 E(3)-等变方法，通过将原子对块映射到不可约表示，确保了几何一致性。
灵活的训练目标： 系统支持纯矩阵学习、矩阵与可观测量混合学习，以及完全的可观测性引导训练。它允许同时预测哈密顿量、重叠矩阵和密度矩阵，并共享潜在表示。
可扩展性与可扩展性： 框架设计旨在支持异质化学组成和各种神经网络架构变体，并集成在统一的工作流中。它包含通过配置参数进行系统性架构搜索的工具。

4. 结果

论文在三个不同的数据集上展示了 Mandala 的能力：

ZnCu2Sn(SeS)2： 一种具有五种元素和不同化学环境的多组分硫族化合物。模型成功解析了异质局部化学环境以及环境间的耦合。
非晶态 SiO2： 一个 150 个原子的非晶态玻璃构型，展示了框架在周期性框架内处理无序、类非周期性环境的能力。
扰动硅： 带有扰动的晶体硅，用于验证其在标准周期性系统上的性能。

性能指标：

模型在验证集上实现了哈密顿量、重叠矩阵和密度矩阵的极低平均绝对误差 (MAE)。
直接从算符准确预测了带能量和电子数。
成功重建并匹配了参考 DFT 计算的态密度 (DOS) 和能带结构。
推理缩放： 在单张 NVIDIA B200 GPU 上对周期性硅超胞（高达 4096 个原子）进行的基准测试表明，推理规模随系统规模线性扩展，直至测试极限。识别出的主要瓶颈是图准备和模型评估内存，而非神经网络的前向传播过程本身。

5. 重要性与主张

论文将 Mandala 定位为原子间势工作流的补充工具。其主要意义在于弥合了高效机器学习与详细电子结构分析需求之间的鸿沟。

互补性： Mandala 旨在通过在单一可扩展实现中解析电子结构和算符衍生的可观测物理量，来补充现有的 MLIP 工作流，而非取代它们。
方法论进步： 通过直接学习算符，该框架保留了与量子力学原理相关的表示，从而能够分析诸如电荷转移、轨道杂化和缺陷局域态等现象，而这些现象是仅基于标量的 MLIP 无法触及的。
可重复性与可扩展性： 该框架通过确定性的边排序、序列化配置和模块化设计强调了可重复性，使其成为未来科学机器学习实验的稳健平台。

作者指出目前的局限性，包括仅限于实值且非自旋极化的矩阵、依赖于局部轨道基组，以及带能量可观测量尚未包含所有对总能量的贡献（这限制了其在总能量力与应力计算中直接使用导数的潜力）。然而，该框架旨在未来的开发中容纳这些扩展。