机器学习驯服量子复杂性

2018 年美国主要超算集群运算周期的第三大用途是气候模拟。夸克等亚原子粒子的研究排在第二位。位居榜首的是物理学中被引用最多的理论——尽管很少有人听说过它。它就是密度泛函理论（DFT），是物理学家和化学家用以理解任何比氢原子更复杂的事物的主要方法。几十年来，研究人员使用 DFT 的能力预测各种事物——从咖啡的味道到木星核心的密实度。DFT 为科学家提供了一种强大的捷径，可以预测电子的去向，进而预测原子、分子和其他“披着”电子的物体将如何作用。长期以来，物理学家和化学家一直在用深厚的物理学专业知识让方程式能更好地反映所有电子共有的复杂舞蹈。但是最近，神经网络设计的新工具可以与手工制作的“前辈”相媲美，并且在某些方面青出于蓝。一些研究人员现在认为，机器学习可以帮助研究人员以更快、更大的步伐迈向主电子方程，从而解开新药、超导和奇异材料的奥秘。