该项作业一提出即遭到相关研讨人员的亲近重视，环绕该作业已有多个开源项目完结，编程结构 JAX 也方案将该项作业吸收其间。

  该项作业由北京大学智能学院王立威课题组、物理学院陈基课题组联合字节跳动研讨部分 ByteDance Research 一起开发完结，作者中有多位北京大学博士生在 ByteDance Research 实习。

  根据神经网络的量子变分蒙特卡洛办法（NNVMC）已成为量子化学 - 从头核算范畴中一项前沿技术。它具有精度高、合适运用的规划广等长处。但它的阿克琉斯之踵在于过高的核算成本，这也约束了该办法在实践化学问题中的运用。

  作者提出了一套全新的核算结构 Forward Laplacian，运用 Laplace 算子的前向传达，显着提升了 NNVMC 办法的核算功率，为AI在微观量子问题中的运用打开了新的大门。

  在 NNVMC 办法中，神经网络的方针函数是微观系统的能量，包含动能与势能两项。其间动能项触及对神经网络的拉普拉斯算子的核算，这也是 NNVMC 中耗时最长的核算瓶颈。现有的主动微分结构在核算拉普拉斯算子时，需求先核算黑塞矩阵，再求得拉普拉斯项（即黑塞矩阵的迹）。而作者所提出的核算结构 Forward Laplacian 则经过一次前向传达直接求得拉普拉斯项，避免了黑塞矩阵的核算，然后减少了全体核算的规划，完结了显着加快。

  除了有用减少核算图规划之外，Forward Laplacian 结构的另一大特点是能有用运用神经网络梯度核算中的稀少性，提出神经网络结构 LapNet。LapNet 经过添加神经网络中的稀少性，在精度无损的一起，显着提升了网络核算的功率。

  作者首先就办法的功率及精度同当时 NNVMC 范畴有代表性的几项作业进行了比较。从肯定能量的核算成果而言，作者提出的 LapNet 在 Forward Laplacian 结构下的功率高于参阅作业数倍，精度上也与 SOTA 保持一致。此外，如果在相同核算资源（即相同 GPU hour）的情况下比较，LapNet 的核算成果能显着优于之前的 SOTA。

  为了更清晰地研讨作者所提出办法比较于之前 SOTA 的加快标度，作者在不同巨细的链式聚乙烯系统进步行了测验，成果能够很显着地看到 Forward Laplacian 作业带来的 O (n) 加快。此处 n 为方针分子中的电子数目。

  在物理、化学研讨中，相对能量相较于肯定能量具有更清晰的物理含义。作者也在一系列的系统进步行了测验，均取得了抱负成果。

  为下降根据神经网络的量子变分蒙特卡洛办法（NNVMC）的运用门槛，北京大学与字节跳动研讨部分 ByteDance Research 联合开发了核算结构 Forward Laplacian，完结了十倍的加快。该作业已遭到相关研讨人员的广泛重视，希望能推进 NNVMC 办法在更多科学问题中发挥重要作用。

  特别声明：以上内容(如有图片或视频亦包含在内)为自媒体渠道“网易号”用户上传并发布，本渠道仅供给信息存储服务。

  吉林省人民政府关于延吉市、珲春市、图们市、敦化市、龙井市、和龙市、汪清县、安图县疆土空间总体设计（2021—2035年）的批复

  定了！天津最新收费规范发布！触及水电、燃气、物业、采暖费！在津日子要多少钱?

  wei已不在RNG大名单！粉丝爆料：RNG拖欠1年薪酬，wei倒贴打竞赛