字节跳动与北大携手，AI精确求解量子激发态，开启量子计算新纪元
引言： 量子计算，这个充满无限潜力的领域，正吸引着全球顶尖科研力量的关注。精确求解量子多体薛定谔方程是量子计算的核心难题之一。近日，字节跳动研究部门ByteDance Research与北京大学团队合作，在神经网络量子变分蒙特卡洛方法(NNVMC)中巧妙地融入物理对称性，实现了对量子激发态的高效精确求解，这一突破性成果已发表于国际顶级期刊《Nature Computational Science》。这项研究不仅为量子化学计算提供了强有力的工具，也为人工智能赋能科学研究树立了新的标杆。
主体：
1. AI for Science的蓬勃发展： 近年来，人工智能在科学研究中的应用日益广泛，AI for Science展现出巨大的潜力。神经网络凭借其强大的学习和拟合能力，为解决复杂科学问题提供了新的途径。其中，NNVMC方法在量子化学领域异军突起，成为解决量子多体问题的重要工具。然而，传统NNVMC方法在处理激发态时，精度和效率常常难以兼顾。
2. 突破性进展：引入自旋对称性，提升精度与效率： 字节跳动和北大团队的这项研究的核心突破在于将物理对称性，特别是自旋对称性，融入到NNVMC框架中。通过这一改进，研究人员有效地约束了神经网络的学习过程，使其能够更准确地捕捉量子体系的自旋特性。这显著提高了算法的精度和效率，特别是对于计算量子激发态，取得了令人瞩目的成果。 论文题目为《Spin-symmetry-enforced solution of the many-body Schrödinger equation with a deep neural network》，相关代码已开源，方便其他研究者进行复现和改进 (代码地址：https://github.com/bytedance/jaqmc)。
3. 实验验证与应用前景： 研究团队针对原子光谱和有机分子（乙烯和甲醛）进行了高激发态计算，并将结果与现有的NNVMC方法以及实验结果进行了对比。结果表明，该方法在精度和效率上均有显著提升，尤其是在处理具有挑战性的双自由基体系时，该方法能够更准确地计算自旋三重态与自旋单重态之间的能隙，解决了传统量子化学方法难以克服的难题。 (相关对比方法见参考文献[1, 2, 3, 4])。 这项技术有望广泛应用于材料科学、药物研发等领域，加速新材料和新药物的发现。
4. 团队合作与未来展望： 这项研究由字节跳动研究部门ByteDance Research、北京大学物理学院陈基课题组和北京大学智能学院王立威课题组共同完成，体现了产学研合作的巨大优势。 华东师范大学何晓老师及合作者在《Nature Computational Science》的News & Views栏目中发表评论文章《Teaching spin symmetry while learning neural network wave functions》(文章链接：https://www.nature.com/articles/s43588-024-00727-z)，进一步阐述了这项工作的意义和影响。 未来，该方法有望进一步扩展到更复杂的量子体系，并应用于更广泛的科学问题，推动量子计算技术的发展。
结论： 字节跳动和北大团队的这项研究，标志着人工智能在解决复杂量子问题方面取得了重大进展。通过巧妙地结合物理学原理和人工智能技术，该研究不仅提升了量子激发态计算的精度和效率，也为AI for Science提供了新的范例。 这项成果的开源也促进了学术界的交流与合作，有望加速量子计算技术的进步，并为诸多科学领域带来革命性的变革。
参考文献：
[1] David Pfau et al., Accurate computation of quantum excited states with neural networks. Science 385, eadn0137 (2024). DOI: 10.1126/science.adn0137
[2] Szabó PB et al., An improved penalty-based excited-state variational Monte Carlo approach with deep-learning ansatzes. Journal of Chemical Theory and Computation.2024 Aug 30;20(18):7922-35.
[3] Shee J, Arthur EJ, Zhang S, Reichman DR, Friesner RA. Singlet–triplet energy gaps of organic biradicals and polyacenes with auxiliary-field quantum Monte Carlo. Journal of chemical theory and computation. 2019 Aug 5;15(9):4924-32.
[4] Lee J, Malone FD, Morales MA. Utilizing essential symmetry breaking in auxiliary-field quantum Monte Carlo: Application to the spin gapsof the C36 fullerene and an iron porphyrin model complex. Journal of chemical theory and computation. 2020 Apr 13;16(5):3019-27.
[5] 论文链接：https://www.nature.com/articles/s43588-024-00730-4
[6] News & Views文章链接：https://www.nature.com/articles/s43588-024-00727-z
*(注：本文中部分信息来源于提供的资料，并进行了整合和补充，力求准确性和原创性。 由于篇幅限制，部分细节未展开，如有需要可进一步补充。) *
Views: 2