比特币还能牛多久？

该研究作者之一 Frank Noé 教授表示：「我们认为这一方法或将极大地影响量子化学的未来。」

无需在准确度和计算成本之间做出取舍

波函数是量子化学和薛定谔方程的关键所在，是一种描述分子内电子行为的函数。它是一种高维实体，这使得捕获编码特定电子之间相互影响方式的频谱变得极度困难。

量子化学领域中的许多方法不再只是尝试以数学方式获得特定分子的能量，但这需要近似值，限制了预测的质量。还有一些利用大量简单数学构造块表示波函数的方法，但这些方法过于复杂，难以针对较多原子计算波函数。

该研究一作 Jan Hermann 设计了新方法的关键特征，他表示：「避免在准确度和计算成本之间进行权衡是量子化学的最高成就。」

将物理属性引入 AI 神经网络

Hermann 表示：「到目前为止，最流行的方法是极具成本效益的密度泛函理论。我们认为我们提出的深度『Quantum Monte Carlo』方法至少可以达到同样好的效果。该方法以可接受的计算成本提供了前所未有的准确度。」

该研究设计了一个深度神经网络来表示电子的波函数，这是一种全新的方法。Noé 解释说：「我们没有使用用相对简单的数学成分组成波函数的标准方法，而是设计了一种人工神经网络，它能够学习电子围绕原子核运动的复杂模式。」

Hermann 表示：「电子波函数的独特性在于反对称性。在交换两个电子时，波函数需要改变符号，我们必须将这种特性引入到神经网络架构中才能使之奏效。」

受泡利不相容原理启发，PauliNet 方法诞生

受到「泡利不相容原理」（Pauli exclusion principle）的启发，研究者将他们的方法命名为「PauliNet」。它是一种深度学习波函数拟设，可以获得电子薛定谔方程的近乎精确解。PauliNet 具有一个作为基线的内置多参考哈特里－福克（Hartree–Fock）解，集成有效波函数的物理特性，并使用变分量子蒙特卡罗方法（variational quantum Monte Carlo, VMC）进行训练。

PauliNet 拟设架构的信息流如下图所示：
 

用 AI 求解薛定谔方程

量子化学旨在预测分子的化学和物理性质，它仅利用分子在三维空间中的原子排列来完成。这可以减少对资源的需求，并加快实验速度。理论上，这可以通过求解薛定谔方程来完成，但在实践中这往往非常困难。目前，人们仍无法高效求得任意分子的精确解。

最近，来自柏林自由大学的科学家提出一种深度学习方法，达到了前所未有的计算效率和准确度权衡。
 

马沙耶基还认为，所谓的一次性搬迁奖金从长期来看对员工没有好处。

他说，如果工程师的整体薪酬在未来几年内因为远程工作而下降 10% 到 20%，这对整个行业的影响“相当负面”。

要了解离开湾区的人数以及他们离开后对整个行业工资水平带来的影响，现在还为时过早。诸如 Facebook 等公司已经要求员工在 1 月 1 日前将自己的计划通知公司。科技咨询公司红杉资本今年 10 月对 240 家美国科技公司进行了调查，初步结果显示，33% 的公司尚未确定适用于永久搬迁员工的政策。约 22% 的受访者说他们正在调整工资，20% 的公司说不会调整薪酬。

减薪的举动也会给雇主带来负面影响。员工管理公司 PRO Unlimited 首席执行官、几家大型科技公司的前高管凯文·阿克罗伊德(Kevin Akeroyd)说，对那些希望搬到成本更低地区的员工减薪，可能会导致员工不满，导致大量员工辞职。

不过，很多员工还是对远程工作的想法很感兴趣。员工匿名讨论自己工作的平台 Blind 今年 9 月进行的一项调查发现，在受访的 5500 多名员工中，44% 的人表示，如果搬到生活成本较低的城市，他们愿意接受降薪，而 48% 的人表示不会。大约三分之二的 Blind 用户在科技行业工作。

Gartner 人力资源部门研究主管布莱恩·克洛普（Brian Kropp）说：“生活成本的下降幅度通常超过减薪幅度。”即使减薪 10% 或 20%，软件工程师仍可以在德克萨斯州的奥斯汀或田纳西州的纳什维尔过着颇为奢华的生活，比在旧金山的生活状况要好太多。

克鲁普说，当员工对这种做法产生负面反应时，通常是“情绪化的，并不是理性反应”

（编辑：伊春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!