材料探索新纪元！清华大学徐勇、段文晖团队发布神经网络密度泛函框架，打开物质电子结构预测的黑箱！

主要观点总结

本文介绍了清华大学徐勇、段文晖研究组提出的神经网络密度泛函理论框架，该框架结合了神经网络算法和密度泛函理论（DFT），为发展深度学习DFT方法开辟了一条新途径。研究亮点包括提出神经网络DFT框架，结合变分能量泛函优化和等价神经网络，开发自主可用的可微分DFT程序AI2DFT，并在多种材料结构计算中展示无监督学习能力。该团队的工作促进了深度学习在材料科学和物理研究领域的广泛应用。

关键观点总结

关键观点1: 神经网络密度泛函理论框架的提出

神经网络密度泛函理论框架结合了神经网络算法和密度泛函理论（DFT），实现了神经网络中损失函数的最小化与密度泛函理论中的能量泛函优化相统一。

关键观点2: 研究方法和实现路径的创新

该研究使用Julia语言结合Zygote自动微分框架，从头开发了一套名为AI2DFT的计算程序。在AI2DFT中，自动微分（AD）既可用于变分DFT计算，也可用于神经网络训练。建立了神经网络DFT的理论框架后，用可微编程的AI2DFT代码完成了数值实现。

关键观点3: 高可靠性和高预测精度的实验结果

研究对一系列材料进行了全面测试，包括H2O分子、石墨烯、单层MoS2和体心立方Na等。结果显示，神经网络DFT具有高可靠性，在预测精度方面性能优异。

关键观点4: 研究团队的贡献

研究团队由清华大学徐勇教授、段文晖教授领衔，在密度泛函理论和第一性原理计算方面取得了一系列成果。他们的工作促进了深度学习在材料科学中的应用，为发展深度学习DFT方法开辟了一条新途径。