La IA y los problemas difíciles del mundo · Física cuántica y computación cuántica · arXiv · 2026-10-19
Aprendizaje de la autoenergía mediante redes neuronales equivariantes
Título original: Learning the self-energy through equivariant neural networks
El artículo entrena una red de paso de mensajes equivariante bajo E(3) para predecir la parte de correlación dinámica de la matriz de autoenergía G0W0 de moléculas en el eje de frecuencias imaginarias. Las predicciones reproducen los elementos de matriz con un error inferior a 1 meV y, tras la continuación al eje real, las funciones espectrales reconstruidas siguen la referencia G0W0 pico a pico en cúmulos de agua y moléculas de QM9. Los niveles de cuasipartículas de frontera se recuperan con una precisión de unas pocas decenas de meV y, una vez entrenado el modelo, una nueva geometría no requiere un cálculo G0W0 explícito.