前向拉普拉斯计算框架

加速神经网络变分蒙特卡罗

该计算框架通过高效的前向传播过程计算神经网络拉普拉斯算子，大幅降低了变分蒙特卡罗的计算成本。

Ruichen, Li · Haotian, Ye · Du, Jiang · Xuelan, Wen · Chuwei, Wang · Zhe, Li · Xiang, Li · Luo Yanwen · 陈基 · Ren, Weiluo · Han Jie

Nature Machine Intelligence 2024

技术优势

加速NN-VMC

通过前向传播高效计算神经网络拉普拉斯算子，省去昂贵的反向传播计算。

适用于大体系

显著加速使NN-VMC能够研究更大范围的体系，为其他从头算方法提供参考。

应用场景

• 量子化学计算：加速从头算量子化学计算，解决传统方法难以处理的大体系。
• 神经网络量子态：降低神经网络量子态训练成本，支持更大规模变分蒙特卡罗模拟。
• 大规模电子结构模拟：提供高效拉普拉斯计算，支撑大规模电子结构模拟。