从2023年至2025年基于人工智能的量子化学计算方法创新历程
首次将Transformer架构引入到量子化学计算中，开创了神经网络量子态表征的新方法。
面向大规模并行计算的神经网络量子态方法实现框架，专为高性能计算环境设计。
首次成功将神经网络量子态框架扩展到周期性体系，实现对固态材料的高精度从头算计算。
首次将神经网络量子态与密度矩阵嵌入理论相结合，创新性地解决复杂固态材料模拟问题。
首次将变分量子蒙特卡罗与Transformer深度神经网络相结合，实现对分子体系原子间力的精确计算。
实现了神经网络量子态与密度矩阵重正化群算法的创新性结合，为处理强关联体系提供高效精确的计算工具。