KI und die schwierigen Probleme der Welt · Quantenphysik & Quantencomputing · arXiv · 2026-10-19
Die Selbstenergie mit äquivarianten neuronalen Netzen lernen
Originaltitel: Learning the self-energy through equivariant neural networks
Die Arbeit trainiert ein E(3)-äquivariantes Message-Passing-Netzwerk, um den dynamischen Korrelationsanteil der G0W0-Selbstenergiematrix für Moleküle auf der imaginären Frequenzachse vorherzusagen. Die Vorhersagen reproduzieren Matrixelemente auf unter 1 meV genau, und nach der Fortsetzung auf die reelle Achse folgen die rekonstruierten Spektralfunktionen der G0W0-Referenz Peak für Peak bei Wassserclustern und QM9-Molekülen. Quasiteilchenniveaus an der Grenze werden auf wenige zehn meV genau wiedergewonnen, und nach dem Training erfordert eine neue Geometrie keine explizite G0W0-Rechnung.