2026-08-26
微软 Orbformer 在 2.2 万个平衡与解离构型上预训练可迁移波函数，微调后在 Diels–Alder 与五条断键路径上唯一稳定收敛到 1 kcal/mol。
量子化学里，断键几乎是最难算准的一类问题。分子处于平衡几何附近时，电子波函数通常弱关联，coupled cluster 这类单参考方法就能把能量压得很准。键一拉开，电子结构变成强关联、多参考：没有默认方法能通吃，活性空间往往要对每个体系单独调，代价也通常比单参考更难看。
传统 ab initio 还有一笔隐形成本。每次计算都从零解 Schrödinger 方程，哪怕两个分子只差一个甲基。电子结构明明有大量可复用的局部模式，这笔账却付了又付。深度量子蒙特卡洛（deep QMC）用神经网络表示波函数、靠能量最小化训练，理论上适合把这些共性存进一套参数。此前的可迁移尝试最多预训练大约 700 个构型，规模还不够当实用工具。
Orbformer 把分子构型 M（核坐标和电荷）当成网络输入，而不是某个待优化问题的固定参数。同一套权重因此能描述不同大小、组成和几何的分子。波函数是 Jastrow 因子乘上若干广义 Slater 行列式之和：电子特征走 Electron Transformer，轨道由 Orbital Generator 按核环境动态生成。设计原则是局域性。粒子间相互作用随距离衰减，轨道被约束为局域，方便在相似化学环境里复用。
训练是变分蒙特卡洛的推广。外层对训练分布里的分子采样，内层对当前 |Ψ|² 采样电子坐标，最小化哈密顿量期望。不需要任何标注能量，电子数据由网络自己生成。
预训练数据集叫 Light Atom Curriculum（LAC），共 22,350 个构型，最多 24 个电子，元素限于 H、Li、B、C、N、O、F，并刻意加入弯折、拉伸、断键等非平衡几何。用 CCSD(T) 的 T1、D1 和 |%TAE| 诊断，大约 20% 到 45% 的结构呈多参考特征。预训练分三阶段：先做不超过 10 个电子的弯折和拉伸（20 万步，约 320 A100 小时），再做不超过 10 个电子的全部几何（同样约 320 小时），最后上全部 LAC（40 万步，约 4000 A100 小时）。
要到 1 kcal/mol 的化学精度，还得从预训练权重出发，把一组目标构型绑在一起做可迁移微调，通常是同一套原子核的整条路径，而不是每个几何点单独优化。
把规模撑起来靠几处训练改动。新分子的电子样本先用 Unadjusted Langevin 快速烧入，再切回带接受拒绝的 MALA，对齐目标分布。多参考下 Hartree–Fock 初始化不可靠，所以不用它，改加一项惩罚，迫使多个行列式均衡贡献，避免训练早期某一个独占、模型塌成单行列式（determinant collapse）。网络能在 TF32 下稳定训练，电子 batch 比 Psiformer 至少小 4 倍。
Diels–Alder（乙烯加丁二烯）的协同过渡态有 46 个电子，远超预训练分布。Orbformer 的活化能几乎贴上实验值，总反应能也收敛到实验值 1 kcal/mol 以内。分步双自由基路径的活化能比实验测到的那条大约高 9.9 kcal/mol，协同路径比分步大约低 10 kcal/mol，和现有实验与理论共识一致。传统波函数方法里，只有多参考 coupled cluster 在小基组或人为限制组态时能对上实验。
五条断键最小能量路径覆盖乙烷、甲酰胺、1-丙醇、2-氨基丙-2-醇和 L-丙氨酸，每条 20 个点，最多 48 个电子。没有实验势能面，参考能量来自高成本单点 deep QMC。相对能量的平均绝对误差上，从 LAC 微调的 Orbformer 落在 DFT 与 NEVPT2、MRCI、MRCC 组成的 Pareto 前沿上，或明显超前。它随算力单调变准；经典方法经常做不到系统收敛。
| 设置 | 相对从零训练的代价 |
| 整条路径联合微调 vs 单点 | 约 20× 更便宜 |
| 乙烷（在 LAC 内）到 1 kcal/mol | 约 16× |
| 1-丙醇（略大于 LAC）到 1 kcal/mol | 约 6× |
| L-丙氨酸到 5 kcal/mol | 约 8× |
| L-丙氨酸到 1 kcal/mol | 只快约 10% |
相对此前最好的单点神经网络 ansatz，到达化学精度的成本大约降了两个数量级。TinyMol 基准上，预训练后的 Orbformer 在分布内和分布外都是最优，到达 1 kcal/mol 至少比从零训练快一个数量级。Gao 等人的可迁移模型在分布外会被更多预训练伤害；Orbformer 仍然受益。
模型还自己学出了碳原子上恰好两个完全局域的芯轨道，这不是架构写死的。辛烷与庚烷的 Slater 矩阵在局部环境相同的一端几乎一样，轨道确实在分子间复用。烷烃微调覆盖到 106 个电子。
这是把「解 Schrödinger 方程的成本摊到许多分子上」做成可用工具的一次落地，不是又一篇只报绝对精度的 deep QMC 表演。代码和权重已开源。如果在算有机小分子的断键、过渡态、多参考反应路径，可以拿来当高精确参考，尤其当活性空间难选、基组敏感的时候。
它还不是零样本基础模型。化学精度必须微调；公开 checkpoint 只覆盖那七种轻原子。作者设想的大规模用法，是给更便宜的反应力场当数据生成器。
对做神经网络波函数的人，可复用的是 ULA/MALA 烧入、行列式均衡惩罚和局域可组合约束。
作者自己划了范围：不处理离子，不处理 Sz 不是 0 或 1/2 的自旋指定，不做激发态；预训练元素集合封死。多行列式时，可组合约束并不保证大小一致性。远离预训练分布时，预训练红利会在长微调后几乎消失，L-丙氨酸到 1 kcal/mol 只快 10% 就是证据。
断键路径上的「化学精度」对照的是另一套更贵的 deep QMC，不是实验势能面。用同类变分方法当金标准有自指风险，文中也没有系统对标扩散蒙特卡洛。Diels–Alder 对实验更硬，但只覆盖一个反应。
「唯一稳定收敛到 1 kcal/mol」限于文中那组对照方法。没有测过渡金属，大共轭体系也没有专门实验。公开权重不能零样本用。