即时翻译文本&完整的文档文件。 为个人和团队提供准确的翻译。 每天有数百万人使用DeepL进行翻译。

Translate texts & full document files instantly. Accurate translations for individuals and Teams. Millions translate with DeepL every day.

テキストや文書ファイルを瞬時に翻訳します。 個人でもチームでも、高精度の翻訳をご活用いただけます。 毎日、何百万もの人々がDeepLを使って翻訳しています。

DeepH-pack is the official implementation of the DeepH (Deep H amiltonian) method described in the paper Deep-learning density functional theory Hamiltonian for efficient ab initio electronic-structure calculation and in the Research Briefing. DeepH-pack supports DFT results made by ABACUS, OpenMX, FHI-aims or SIESTA and will support HONPAS soon.

DeepL即时翻译文本，完整的文档文件。 为个人和团队提供准确的翻译。 每天有数百万人使用DeepL进行翻译。

清华新闻网8月19日电 近日，清华大学物理系徐勇、段文晖研究组基于深度学习密度泛函理论哈密顿量（DeepH）方法，发展出一种具备第一性原理智能的深度学习电子结构计算方法DeepH-Zero。 该方法首次在算法层面实现了神经网络与密度泛函理论的深度结合，赋予了模型基于物理原理的非监督学习能力。 图1.DeepH 系列方法的发展历程....

2023年11月14日 · 清华大学物理系 徐勇 、段文晖研究组发展了一种深度学习方法DeepH（Deep H amiltonian），利用神经网络加速大尺度材料系统的第一性原理电子结构计算。 从2021年1月开始，以清华大学高等研究院博士生 李贺 为主开发了DeepH-pack软件实现DeepH方法，并在GitHub上开源。 2022年7月，DeepH项目正式加入DeepModeling社区。 DeepH-pack可以由 密度泛函理论 （density functional theory，DFT）数据训练神经网络模型，预测需要研究材料构型的哈密顿 …

在最新的工作中，徐勇、段文晖研究组提出了xDeepH（extended DeepH）方法，用于学习磁性材料的DFT哈密顿量对原子结构和磁结构的依赖关系，并高效预测其电子结构与物性。 将物理先验知识融入神经网络架构设计，对深度学习的性能至关重要。 DFT哈密顿量对原子结构和磁结构的依赖关系，在对称操作下（如旋转和时间反演）具有等变性。 为此，该研究提出了一种拓展的等变神经网络，能考虑电子自旋和轨道自由度，使得神经网络保持在欧几里得群和时间反演操作下的对 …

深包（DeepH-pack）是深度哈密顿方法（简称“深哈”—— Deep H amiltonian）的官方实现，该方法详述于论文《利用深度学习进行高效的从头算电子结构计算中的密度泛函理论哈密顿量》 …

In order to use Julia with DeepH-E3, you have to add the julia executable to PATH. The usage of DeepH-E3 is similar to that of DeepH-pack. Although not mandatory, it is recommended that you learn the usage of DeepH-pack first. First, you have to convert the output of DFT codes to the format that can be directly read by DeepH-E3.