# 基于新型神经网络Kolmogorov-Arnold Networks的第一性原理计算方法

**Repository Path**: zgc-webcompetition/QMC_KAN

## Basic Information

- **Project Name**: 基于新型神经网络Kolmogorov-Arnold Networks的第一性原理计算方法
- **Description**: 本项目利用新型神经网络KAN结合量子蒙特卡洛（QMC）进行相关计算，用于求解多体系统的薛定谔方程。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-29
- **Last Updated**: 2026-01-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


## 🧪 项目信息

- **项目名称**: 基于新型神经网络 Kolmogorov-Arnold Networks 的第一性原理计算方法
- **项目单位**: 北京中关村学院

## 👥 团队成员

- **项目导师**: 黄永达 (北京中关村学院导师)
- **项目负责人**: 刘志伟 (北京中关村学院博士生)
- **项目成员**: 
  - 邢警 (北京中关村学院博士生)
  - 李涵坤 (北京中关村学院博士生)

## 📖 项目简介

随着人工智能技术的发展，神经网络在科学计算领域的应用日益广泛。本项目聚焦于新型神经网络结构 **Kolmogorov-Arnold Networks (KAN)**，旨在探索其在第一性原理计算中的应用潜力，解决传统计算方法效率低、计算量大的痛点。特别是与 **量子蒙特卡洛 (Quantum Monte Carlo, QMC)** 方法的深度融合，用于求解多电子体系的薛定谔方程。


## ✨ 核心亮点

1. **KAN 架构革新**: 利用 KAN 独特的激活函数可学习特性，提升模型对物理函数的拟合能力。
2. **高精度与高效率**: 保持第一性原理精度的同时，大幅降低计算成本。
3. **物理可解释性**: 相比传统黑盒模型，提供更好的物理可解释性。

## ✨ 联系方式
- 邮箱：3021210116@tju.edu.cn