DeepMind科学家团队开发了一个机器学习模型，可以通过预测分子中电子的分布来显示分子特征。与现有技术相比，该模型能更准确地计算某些分子性质。

密度泛函理论（DFT）是一种研究多电子体系电子结构的量子力学方法。然而，即使是最先进的DFT函数也存在一定局限，尤其是在描述移动电荷和自旋电子的电子密度时，会出现明显的系统误差。

DeepMind的研究人员开发了一个框架，用于在准确的化学数据和分数电子约束上训练一个深度神经网络，由此产生的函数——“DM21”（DeepMind 21）可以精准地模拟复杂系统，如氢键链、带电荷DNA碱基对和双自由基体系的过渡态。实验结果显示，DM21可以比DFT方法更为精确地描述电子相互作用，帮助研究人员通过代码可用性改进精确密度泛函的近似值。

信息来源：

https://paper.sciencenet.cn/sbhtmlnews/2021/12/367121.shtm?id=367121

https://www.nature.com/articles/d41586-021-03697-8#ref-CR1

https://www.science.org/doi/10.1126/science.abj6511