克里斯托夫·T·施尤特。（编辑）;斯特凡·奇米埃拉（编辑）;von Lilienfeld，O.阿纳托利（编辑）;亚历山大·特卡琴科（编辑）;佐治筑田（编辑）;穆勒，克劳斯·罗伯特（编辑） 机器学习与量子物理相遇。 （英语） Zbl 1451.68010号 物理课堂讲稿968.查姆：施普林格（ISBN 978-3-030-40244-0/pbk；978-3-0030-40245-7/电子书）。十六、467页。(2020). 出版商描述：设计具有所需性能的分子和材料是我们现代社会进步技术的重要先决条件。这既需要计算精确的微观性质的能力，如特定配置的能量、力和静电多极，也需要对势能表面进行有效采样以获得相应的宏观性质。能够提供这一点的工具分别是根植于量子力学和统计力学的精确第一原理计算。不幸的是，它们的计算成本很高，无法进行大型系统和长时间尺度的计算，因此，在搜索巨大的化合物空间和分子可以假设的惊人的许多动力学构型方面都存在严重的瓶颈。为了克服这一挑战，最近人们加大了利用机器学习（ML）加速量子模拟的力度。这个新兴的跨学科社区包括化学家、材料科学家、物理学家、数学家和计算机科学家，共同致力于推进分子和材料的机器学习和人工智能这一激动人心的热门话题。这本书是在一系列研讨会上出版的，它简要介绍了这个迅速发展的领域。它包含解释化学、物理以及机器学习所需相关基础的教程材料，为感兴趣的读者提供了一个简单的起点。此外，还包括一些定义当前最先进技术的研究论文。这本书分为五个部分（基础、整合先验知识、原子表征的深度学习、原子模拟和发现与设计），每一部分都以社论开头，将各个部分置于更广泛的科学背景中。本卷的文章不会单独编入索引。 MSC公司： 68-02 与计算机科学有关的研究博览会（专著、调查文章） 68-06 与计算机科学有关的会议记录、会议、收藏等 68T07型 人工神经网络与深度学习 81页68 量子计算 00B15号机组 收藏其他特别感兴趣的物品 PDF格式BibTeX公司 XML格式引用 \textit{K.T.Schütt}（ed.）等人，机器学习与量子物理的结合。查姆：施普林格（2020；Zbl 1451.68010） 全文： 内政部 链接