来自美国和印度机构的研究人员团队因开发一种将量子多体（QMB）方法的准确性与密度泛函理论（DFT）的效率相结合的材料模拟框架而荣获2023年ACM Gordon Bell Prize。
该团队提出了三个相互关联的模块作为他们的新方法。
其中一个是逆DFT（invDFT）方法的方法论进展，将QMB方法与DFT相连接。
第二个模块是通过invDFT数据训练得到的与量子准确性相符的机器学习密度泛函，被他们称为MLXC。
第三个模块是一种基于自适应高阶谱有限元的DFT实现，将MLXC与高效求解器策略和线性代数、混合精度算法和异步计算通信等超级计算创新相集成。
该奖项在国际高性能计算、网络、存储和分析（SC23）会议上颁发。计算机学会来自阅读全文
摘要版权所有 © 2023 SmithBucklin，华盛顿特区，美国 