研究背景：量子化学中的多电子问题挑战
量子化学的核心问题之一是求解多电子薛定谔方程，从而获得分子的基态性质。然而，这个问题的复杂性随着分子规模的增加而指数级上升。即使是最准确的全配位相互作用（FCI）方法，也难以处理超过26个电子的系统。在过去几十年，科学家开发了许多方法，如选取配位相互作用（SCI）、密度矩阵重正化群（DMRG）和量子蒙特卡洛（QMC）等，但这些方法仍然无法处理大分子体系，尤其是具有强电子相关的体系。因此，如何在不显著增加计算成本的前提下，实现与FCI相近的精度，成为了量子化学计算领域的难题。
近年来，随着量子计算和人工智能的发展，量子化学计算正经历着一场革命。通过机器学习来模拟分子电子波函数为求解薛定谔方程提供了新的思路。许多科学家一直致力于开发既具备高准确性又能大幅降低计算成本的新方法。中国科学技术大学杨金龙教授团队在该领域取得了重要突破，他们构建了一种名为“乾坤网”（QiankunNet）的生成型Transformer架构神经网络平台，可以高精度地计算原子间力，为研究复杂的化学过程提供了新工具。
乾坤网（QiankunNet）：引入Transformer的革命性平台
机器学习技术因其强大的表达能力和紧凑性，被认为是解决多电子波函数表示的理想方法。杨金龙团队提出了一种新的神经网络量子态（NNQS）方法，利用生成型Transformer架构与批量自回归采样相结合，实现了电子波函数的高效表达。该方法不仅能精确地计算分子的能量，还能通过Hellmann-Feynman定理来计算分子内部的原子间作用力，且无需引入额外的Pulay项。这项技术创新允许乾坤网精确地模拟分子结构的变化，为量子化学中的结构优化和分子动力学模拟提供了新工具。
主要成果：高精度与低计算成本的结合
杨金龙团队在该研究中，对氢分子（H2）、锂氢（LiH）、氮分子（N2）等进行了测试，结果显示乾坤网的计算结果与FCI方法相当，即使在强电子相关体系下亦不失精度。此外，团队还利用乾坤网计算了乙烯（C2H4）分子的扭转能垒，其扫描势能面（PES）与实验数据高度吻合。这表明该方法不仅可以处理简单分子，还可以在复杂化学反应的建模中取得良好效果。
