代理引导的多保真度机器学习在准粒子与激子特性表征中的革命性应用：解决高通量 GW-BSE 计算中的数值脆弱性
本文深度解析了一种利用大语言模型（LLM）代理与多保真度图注意力网络、高斯过程回归构建的闭环框架，成功解决了高通量多体微扰论（GW-BSE）激子态计算中长波介电屏蔽数值失真与静默失效的瓶颈问题。
本文深度解析了一种利用大语言模型（LLM）代理与多保真度图注意力网络、高斯过程回归构建的闭环框架，成功解决了高通量多体微扰论（GW-BSE）激子态计算中长波介电屏蔽数值失真与静默失效的瓶颈问题。