智能体自己改写ASE数值算法：六个内核快22–24倍，优化器在未见问题上少算3.1–3.4倍力
AIOA把大模型编码智能体放进一个只保留改进的循环，让它改写原子模拟库ASE的数值算法，并由智能体无法改动的校验器把关。三次独立运行中，六个数值内核在Python加NumPy和SciPy下平均快22–24倍且结果不变；在盲测的未见问题上，最佳配置的优化器做结构弛豫所需力评估比L-BFGS少3.1–3.4倍，反应路径比标准CI-NEB少4.6–17倍。
电子密度不必再迭代求解：单步Kohn-Sham即可复现自洽电子结构
密度泛函理论的核心变量是电子密度，而求得它通常要反复迭代到自洽。SwinUNETR-V2与无注意力版本NeXtUNETR这两类受Transformer启发的网络直接预测电子密度，在QM9上密度归一化平均绝对误差分别为0.075%和0.046%。对NeXtUNETR，用预测密度做一次Kohn-Sham步骤即可复现自洽电子结构，总能量中位误差0.036 meV、力0.65 meV/angstrom、HOMO-LUMO能隙1.8 meV。
已读完全部报道