CCSD
麻省理工Nature子刊:AI加速量子化学计算,精度媲美「金标准」,计算效率提升百万倍!
编辑 | 2049在量子化学计算中,精确预测分子电子结构一直是一个重要而富有挑战性的课题。 传统的密度泛函理论(DFT)方法虽然计算速度快,但精度有限;而高精度的耦合簇(CCSD(T))方法虽然被视为「金标准」,但其计算成本随分子大小呈指数级增长,难以应用于复杂体系。 最近,麻省理工学院的研究团队开发出一种创新的多任务学习方法,成功将机器学习与量子化学计算相结合,实现了接近CCSD(T)精度的分子电子结构预测。
1/10/2025 2:15:00 PM
ScienceAI
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
机器人
数据
AI新词
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
马斯克
英伟达
Anthropic
图像
AI创作
训练
LLM
论文
代码
算法
苹果
AI for Science
Agent
Claude
腾讯
芯片
Stable Diffusion
蛋白质
具身智能
开发者
xAI
生成式
神经网络
机器学习
人形机器人
3D
AI视频
RAG
大语言模型
Sora
研究
百度
生成
GPU
工具
华为
字节跳动
计算
AGI
大型语言模型
AI设计
搜索
生成式AI
视频生成
DeepMind
特斯拉
场景
AI模型
深度学习
亚马逊
架构
Transformer
MCP
Copilot
编程
视觉