清华新闻网6月17日电 近日，清华大学物理系徐勇、段文晖究诘组运用其原创的深度学习密度泛函表面哈密顿量（DeepH）要害，发展出DeepH通用材料模子，并展示了一种构建“材料大模子”的可行决策网曝黑料，这一冲破性进展为创新材料发现提供了新机遇。

密度泛函表面（DFT）是筹划物理与材料科学的主流要害，在材料筹划假想中发达了病笃作用。DFT哈密顿量是DFT筹划的基本物理量，扫数其他DFT物理量（包括总能量、电荷密度、能带结构、反应性质等）均能由其奏凯导出。在前期究诘中，徐勇、段文晖指点的究诘团队成立了一种名为DeepH的深度学习第一性旨趣筹划要害。该要害梗概从DFT数据中学习，并掂量给定材料结构的哈密顿量，从而高效地筹划基态物感性质。在DeepH系列究诘责任中，究诘团队将DeepH框架与等变神经聚积衔尾并推出DeepH-E3框架，并被应用于复杂磁性材料的电子结构掂量，以及密度泛函微扰论筹划中。该责任竭力于用DeepH要害构建笼罩元素周期表及多数材料的通用材料模子。比拟于专用材料模子，构建通用材料模子对DeepH要害的鲁棒性与泛化才调提倡了更大的挑战。

图1.基于深度学习密度泛函表面哈密顿量（DeepH）要害构建通用材料模子

究诘团队最初创建了一个大型DFT材料数据库，包含普及10000种材料结构的筹划数据。基于此材料数据库与立异的DeepH要害（DeepH-2），究诘东说念主员见效构建出一个DeepH通用材料模子，可贬责千般化元素构成与原子结构的复杂材料体系，并在材料性质掂量方面达到了出色的精度。该通用材料模子可准确掂量复杂测试材料的多种物性，考证了模子出色的通用性能。该责任不仅展示了DeepH通用材料模子的想法，还为构建材料大模子奠定了基础，为鼓励创新材料发现提供了新机遇。

网曝黑料

图2.DeepH通用模子在元素周期表上的性能测试

图3.DeepH通用模子在代表性结构上的掂量效果

6月12日，有关究诘遵守以“深度学习密度泛函表面哈密顿量的通用材料模子”（Universal materials model of deep-learning density functional theory Hamiltonian）为题，在线发表于《科学通报》（Science Bulletin）上。

徐勇和段文晖为该论文的通信作家，究诘组2021级本科生王昱翔、博士后李洋、2021级博士生唐泽宸为共同第一作家。相助者还包括清华大学物理系助理老师王冲、北京航空航天大学材料科学与工程学院副老师司晨，究诘组博士生李贺、袁子龙、陶泓耕、邹念龙、包挺、梁兴昊、边策，本科生陈泽洲、许上华和科研助理许祗铭。究诘获取基础科学究诘中心、国度当然科学基金委、国度科技部要点研发筹划、国度超等筹划天津中心等的复古。

论文聚会：

https://doi.org/10.1016/j.scib.2024.06.011

供稿：物理系

剪辑：李华山

审核：郭玲网曝黑料