近日，中国科学技术大学特任教授商红慧和中国科学院院士杨金龙团队，将人工智能领域的Transformer架构与量子物理的基本方程相结合，发展了求解多电子薛定谔方程的乾坤网络QiankunNet。薛定谔方程是量子力学的基本方程。从原理上讲，所有材料的性质都来源于多电子薛定谔方程的求解。因此，精确求解该方程是物质科学领域的重要挑战之一。对于包含多个电子的复杂体系，求解薛定谔方程的计算量会随着电子数的增加呈指数级增长。这一“指数墙”问题限制了传统计算方法的能力，使其难以精确模拟真实的分子体系和化学反应。研究团队从人工智能领域的Transformer架构中汲取灵感，将其注意力机制引入量子波函数构建中，利用其关联建模能力来捕捉电子之间复杂而微妙的相互作用。在结构上，乾坤网络实现了对电子波函数的精确表达。同时，乾坤网络采用端到端的可微分架构，利用反向传播直接优化变分能量。进一步，团队发展了一套结合了蒙特卡洛树搜索的高效自回归采样算法。该算法通过并行生成独立的、无关联的电子构型样本，避免了传统采样方法存在的样本相关性高、收敛慢等问题，提升了计算效率和稳定性。该框架还通过引入基于组态相互作用方法的物理启发初始化策略，加速变分优化的收敛过程。结果表明，乾坤网络在包含30个自旋轨道以内的分子基准测试中表现优异，其计算的关联能精度达到全组态相互作用方法的99.9% 。在处理化学键解离等强关联问题时，相较于传统耦合簇方法，乾坤网络展现出更优越的性能。与此前的神经网络量子态方法相比，该方法计算速度更快，精度也更高。进而，团队将这一方法应用于模拟生物氧化应激过程中的核心反应——芬顿反应。乾坤网络模拟了[Fe(H₂O)₅(H₂O₂)]⟡⁺配合物中O-O键均裂的完整反应路径，准确描述了Fe(II)到Fe(III)氧化过程中的电子结构演化，展示了该方法在处理含过渡金属的复杂化学体系方面的应用前景。上述研究为精确模拟复杂分子体系提供了新工具。相关研究成果发表在《自然-通讯》（Nature Communications）上。研究工作得到国家自然科学基金、科技创新-2030重大项目、中国科学院战略性先导科技专项等的支持。论文链接乾坤网络架构图