近日，我校化學(xué)系龔雋一副教授與香港中文大學(xué)（深圳）唐本忠院士團(tuán)隊(duì)合作，在材料計(jì)算與人工智能交叉領(lǐng)域取得重要進(jìn)展。研究團(tuán)隊(duì)開(kāi)發(fā)出一套基于立方采樣的電子密度生成卷積殘差網(wǎng)絡(luò)（GED-CRN）的模型，僅使用19個(gè)訓(xùn)練分子即實(shí)現(xiàn)了接近MP2理論級(jí)別的高精度電子密度預(yù)測(cè)，為數(shù)據(jù)稀缺體系（如聚集誘導(dǎo)發(fā)光材料）的性質(zhì)預(yù)測(cè)提供了新思路。該研究成果發(fā)表于國(guó)際知名期刊《Aggregate》（Aggregate 2025, e70119）。

電子密度分布是理解分子光電性質(zhì)與反應(yīng)機(jī)制的核心物理量，傳統(tǒng)量子化學(xué)計(jì)算方法雖精度高但耗時(shí)巨大，尤其在處理聚集態(tài)體系時(shí)往往“算不動(dòng)”。機(jī)器學(xué)習(xí)方法雖可加速計(jì)算，卻嚴(yán)重依賴(lài)大量高質(zhì)量數(shù)據(jù)，而功能材料研究中往往面臨“數(shù)據(jù)零散、樣本稀缺”的現(xiàn)實(shí)困境。

針對(duì)這一難題，研究團(tuán)隊(duì)提出了一種融合物理先驗(yàn)與深度學(xué)習(xí)的小樣本學(xué)習(xí)框架。通過(guò)空間立方采樣策略，將每個(gè)分子轉(zhuǎn)換為數(shù)千個(gè)有效訓(xùn)練樣本，極大提升了數(shù)據(jù)利用效率。模型采用雙通道輸入機(jī)制，結(jié)合電子密度與核電勢(shì)場(chǎng)信息，引入3D卷積殘差網(wǎng)絡(luò)與梯度差異損失函數(shù)（GradDiff），實(shí)現(xiàn)了電子密度及其梯度分布的高保真預(yù)測(cè)。

結(jié)果表明，GED-CRN在QM9通用分子庫(kù)和ASBase發(fā)光材料數(shù)據(jù)庫(kù)測(cè)試中表現(xiàn)優(yōu)異，整體平均絕對(duì)誤差低于3.0×10^-4 bohr^-3，對(duì)聚集誘導(dǎo)發(fā)光（AIE）體系誤差更降低50%。單分子電子密度預(yù)測(cè)僅需秒級(jí)完成，較傳統(tǒng)方法提速三個(gè)數(shù)量級(jí)，顯著提升了發(fā)光材料的虛擬篩選效率。

該研究不僅為AIE機(jī)制研究與材料設(shè)計(jì)提供了新工具，也展示了“少樣本學(xué)習(xí)”在計(jì)算化學(xué)中的應(yīng)用潛力。團(tuán)隊(duì)已公開(kāi)全部模型代碼，并正推進(jìn)激發(fā)態(tài)版本的開(kāi)發(fā)，推動(dòng)量子機(jī)器學(xué)習(xí)在材料科學(xué)中的深度應(yīng)用。

龔雋一博士現(xiàn)任我校化學(xué)系預(yù)聘副教授，長(zhǎng)期從事發(fā)光材料的理論模擬與智能設(shè)計(jì)研究，在Adv. Sci.、Adv. Funct. Mater.、Chem. Sci.等期刊發(fā)表論文近50篇，H-index達(dá)29。