利用实空间分解与自适应集群近似(ACA)降低密度矩阵泛函复杂度:DF+RDMF 方案深度解析
本文深度解析了一种结合密度泛函理论(DFT)与还原密度矩阵泛函理论(RDMFT)的新型计算方案,通过实空间分解和 ACA 算法有效解决了强相关体系计算中的指数缩放难题。
本文深度解析了一种结合密度泛函理论(DFT)与还原密度矩阵泛函理论(RDMFT)的新型计算方案,通过实空间分解和 ACA 算法有效解决了强相关体系计算中的指数缩放难题。
本文深度解析 Oxford 研究团队提出的 Exphormer-XC,这是一种结合了扩展图(Expander Graph)与 Transformer 架构的新型机器学习交换相关泛函,首次在保持线性缩放的同时,成功捕捉了强相关体系中的非局域量子效应。
本文深度解析了 Chan 组最新研究,探讨了无相位辅助场量子蒙特卡洛(ph-AFQMC)在使用对称性破缺试探波函数描述铁硫簇时的非单调收敛行为及其背后的物理机制。
本文深度解析了一种基于随机团簇扩展(SCE)的新型量子化学方法,该方法通过将轨道空间划分为前沿化学子空间与随机采样轨道环境,在显著降低计算复杂度的同时,实现了对强相关体系(如聚并苯)激发能的精确预测。
北京师范大学李振东教授团队提出了一种全新的多参考GW近似(MR-GW)框架,通过引入相互作用参考态和广义Dyson方程,首次在ab initio层面实现了对强相关分子光谱属性的精确描述。
本文深度解析了由加州大学伯克利分校团队提出的非正交量子本征值求解器 (NOQE),该方法通过结合非正交多参考态与固定扰动幅度的 UCC 算符,在无需变分优化的前提下,利用量子计算的多项式复杂度优势解决了经典计算机难以处理的非正交矩阵元评估问题。