加州理工用 AI 攻克 DFT 60 年瓶颈

加州理工 Anima Anandkumar 团队用 AI 攻破了量子化学密度泛函理论(DFT)60 年的计算瓶颈。论文把 DFT 迭代循环中每轮最贵的一步——立方级求解——替换成傅里叶神经算子(FNO),复杂度从 O(N³) 降到 O(N log N),其余步骤照旧。

团队把它称作 Kohn-Sham FNO,思路接近让模型分步迭代、每步自校验，而非一步猜出答案。

💡 为什么值得看Kohn-Sham FNO 把电子结构计算的复杂度从立方压到近线性，单 GPU 跑完 8 万电子模拟，可能重塑药物与电池材料研发成本。