UniTB通用哈密顿量学习框架发布

2026年10月28日，arXiv Artificial Intelligence 刊出 Mingkang Liu 等人的研究，提出 UniTB 通用 E(3) 等变哈密顿量表示框架，将密度泛函紧束缚理论的物理先验与深度学习结合。报道称，该框架在 29,242 个晶体上训练后，于覆盖 68 种元素的非磁性测试晶体上达到 0.48 meV 的矩阵元误差。其 UniTB-Flash 变体以 O(N) 代价从双中心表组装先验，无需非晶训练数据即可与 DFT 的光学与电导结果吻合。报道还称，两模型已联合筛选 16,195 个晶体，覆盖五个工业相关应用领域。上述数据与适用条件均出自该篇报道，尚无后续跟进报道予以独立印证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。