Frank Noé

分子光化学需要整条基态与激发态势能面，但逐点求解电子薛定谔方程代价高昂，廉价单参考方法又在锥形交叉处失效。可迁移深度量子蒙特卡洛让一个神经网络波函数在多个分子构型与多个电子态上联合优化，并共享参数、按每个构型的能量动态排序电子态。在乙烯、碳二聚体、亚甲亚胺阳离子和含96个电子的红氧还蛋白活性位点模型上，它给出与专门量子化学参考一致的势能面，相对单点计算最高约两个数量级的成本下降。

分子光化学需要整条基态与激发态势能面，但逐点求解电子薛定谔方程代价高昂，廉价单参考方法又在锥形交叉处失效。可迁移深度量子蒙特卡洛让一个神经网络波函数在多个分子构型与多个电子态上联合优化，并共享参数、按每个构型的能量动态排序电子态。在乙烯、碳二聚体、亚甲亚胺阳离子和含96个电子的红氧还蛋白活性位点模型上，它给出与专门量子化学参考一致的势能面，相对单点计算最高约两个数量级的成本下降。