标签：Forward Laplacian

近年来，神经网络在求解偏微分方程上的应用备受瞩目，特别是在量子化学领域，NNVMC方法崭露头角，以其高精度超越传统技术。北京大学与字节跳动研究团队合作推出的Forward Laplacian框架，创新性地运用Laplace算子前向传播，为NNVMC计算带来十倍加速，大大降低了成本，达到该领域的先进水平，并有望解决更多科学难题。这项工作已发表于《Nature Machine Intelligence》，并开源了相关代码。 Forward Laplacian通过避免计算耗时的黑塞矩阵，直接求解拉普拉斯项，显著提升了NNVMC的计算效率。同时，LapNet网络利用神经网络梯度...