arXiv · quant-ph· Eike S. Eberhard, Xaver Kainz, Viktor Kotsev, Abdulrahman Aldossary, Stephan Günnemann·· 17 小时前
物理对齐的电子基态学习模型提升外推泛化
Physics-Aligned Electronic Ground-State Learning Improves Generalization
arXiv:2610.10298v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Eike S. Eberhard, Xaver Kainz, Viktor Kotsev, Abdulrahman Aldossary, Stephan Günnemann
首次提交：2026-10-07 23:53
研究任务与主要进展
作者提出与KS-DFT物理方程对齐的电子基态学习模型，通过物理约束并减少不物理或无关自由度的优化来提升分布外泛化。基于论文摘要，在QM9到QM40的尺寸外推实验中，ON-Loss和GROOT使既有密度模型的能量与力MAE分别降低79.1%和83.4%；Hamiltonian模型结合ON-Loss和ROCKET后，相对最强基线的能量与力MAE分别降低99.8%和95.9%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org