SLEM：从原子结构预测量子算符

在电子结构计算里，一张能带图其实只是结果的一部分。哈密顿矩阵记录轨道的能量和耦合，重叠矩阵描述轨道之间的重叠，密度矩阵则和电子的分布有关。它们都是后面继续算物性时要用到的东西。

DeePTB 里我们主要学习紧束缚参数。后来做 SLEM 时，想把这件事推进到更一般的原子轨道基组，直接从原子结构预测 DFT 里的这些矩阵。

这里有个挺麻烦的地方：原子轨道有方向。比如 p、d 轨道，不能把它们当成原子上附着的普通数字。晶体转一个角度，描述轨道耦合的矩阵也得按对应规则变化；但仅仅换个坐标方向，又不能改变材料本身的能谱。所以我们把旋转等变性（equivariance）的要求直接写进了网络结构里。

我们还限制网络只使用附近一定范围内的原子环境。一般的图神经网络随着消息传递层数增加，会把越来越远的原子也带进来。SLEM 则保持严格的局域性，预测大体系时就比较容易并行。为了处理高角动量轨道，我们也用了 SO(2) 卷积来降低计算开销。

论文里，我们在几类二维和三维材料上测试了这些算符的预测精度和数据效率。局域性和对称性确实帮了不少忙，但严格的局域近似也有适用范围，遇到明显的长程效应仍然需要小心。另外，预测出哈密顿量不代表已经算出了电导率或光学响应。大矩阵后面的这些计算，是我后来继续研究的问题之一。