IA e os Problemas Difíceis do Mundo · Física quântica e computação quântica · arXiv · 2026-10-19
Aprendendo a autoenergia por meio de redes neurais equivariantes
Título original: Learning the self-energy through equivariant neural networks
O artigo treina uma rede de passagem de mensagens equivariante a E(3) para prever a parte de correlação dinâmica da matriz de autoenergia G0W0 de moléculas no eixo de frequência imaginária. As previsões reproduzem os elementos de matriz com erro inferior a 1 meV e, após a continuação para o eixo real, as funções espectrais reconstruídas acompanham a referência G0W0 pico a pico para aglomerados de água e moléculas do QM9. Os níveis de quasipartículas de fronteira são recuperados com precisão de algumas dezenas de meV e, uma vez treinado, um novo arranjo geométrico não requer cálculo G0W0 explícito.