Quantum 3xplorer: AI-Native Engine for Next-Generation Quantum Materials Modeling
该论文介绍了 Quantum 3xplorer (Q3)，这是一个由 AI 智能体在科学监督下开发的开源、AI 原生量子模拟引擎，它在数周而非数年内便提供了高性能、高精度的密度泛函理论能力，标志着向 AI 加速计算材料发现的范式转变。
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
现代材料科学依赖于一种被称为密度泛函理论（density functional theory）的强大工具，用以理解原子如何结合以及电子如何在固体内部运动。这种方法使科学家能够预测新材料的特性，例如电池的储电能力或半导体的导电性能，而无需先在实验室中将其制造出来。几十年来，执行这些计算的计算机程序一直采用较旧的编码风格，是由人类多年来逐行编写而成的。虽然这些程序极其精确，但它们难以更新，难以与现代人工智能工具连接，也难以适应新的计算机硬件。随着世界向着更快发现能源解决方案和量子技术的方向迈进，软件本身已成为一个瓶颈，无法跟上现代计算的速度或机器学习的需求。
一组研究人员现在推出了一种名为 Quantum 3xplorer 的新解决方案，这是一种从底层构建、旨在与人工智能自然协作的模拟引擎。该程序的核心并非由人类编写每一行代码，而是在人类科学家的密切监督下，由 AI 编码代理（AI coding agents）编写而成。其结果是一个能够执行与既有的数十年历史程序相同的复杂物理计算，但其方式更快速、更灵活，且为未来而设计。在短短几周内，该团队开发出了一个功能完备的引擎，能够重现全球科学界所使用的金标准软件的结果。这个新工具不仅达到了旧代码的准确度，而且在单个计算机核心上运行速度显著提升，并在配备图形处理器（GPU）的强大超级计算机上实现了高效扩展。
这项创新的核心不在于改变物理定律（物理定律保持不变），而在于软件是如何构建的。研究人员将代码组织成不同的层级，将量子力学的抽象概念与求解这些概念所使用的具体数值和计算分离开来。这种结构使得程序易于被 AI 读取、理解和修改。每个变量都有清晰的命名，且代码被分解为细小、可管理的模块，允许 AI 代理在不破坏整个系统的情况下，编写、测试并改进特定部分。团队通过实现一套完整的标准物理模型来验证了这种方法，包括处理不同类型原子相互作用和磁学性质的方法。他们使用从简单的硅和铜晶体到复杂的磁性表面及带有吸附分子的材料等各种材料，针对新引擎进行了测试，并将其与既有的参考实现进行了对比。
结果表明，这个由 AI 编写的引擎不仅是一个理论实验，更是一个实用的高性能工具。在将新软件与传统代码进行对比的测试中，新引擎表现得更加迅速，通常在单处理器上的计算时间不到原来的一半。例如，在对位移原子的铜晶体进行模拟时，新引擎的速度提高了五倍以上。当研究人员在配备多个处理器和图形卡的大型超级计算机上测试该软件时，它实现了高效扩展，即使在增加计算资源的情况下也能保持高精度。该软件还能成功处理复杂的任务，如计算原子间的作用力、材料内的应力以及核电子的能量偏移，其精度与旧的人类编写代码相比，误差仅在极小的能量单位内。
除了速度和准确性之外，新引擎还被设计成连接传统物理学与现代数据科学的桥梁。它以结构化的、机器可读的格式输出数据，可供人工智能系统立即使用，从而消除了繁琐的人工数据清洗过程。这使得该软件可以直接接入自动化工作流，让 AI 设计新材料、运行数千次模拟并从结果中学习，而无需人工干预。由于层级分离得非常好，代码也非常容易扩展；科学家可以在不重写整个程序的情况下，添加新的物理理论或方法。团队通过将该引擎连接到用于研究激发态和光学性质的其他先进工具，展示了该系统可以作为广泛科学研究研究的核心枢纽。
该软件的开发标志着科学工具制造方式的一次重大转变。团队展示了在人类与 AI 协作的指导下，一个通常需要多年人类努力才能构建的生产级高性能模拟引擎，可以在短短几周内完成。人类科学家定义了物理规律和规则，而 AI 代理则负责实现、测试和优化。这种方法并不是取代对人类专业知识的需求，而是将科学家从繁琐的编码工作中解放出来，让他们能够专注于物理问题和结果验证。目前，该软件已向整个社区开放，供大家使用、研究和改进，为加速发现能够驱动下一代技术的材料提供了新的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。