用于正电子化学的神经网络变分蒙特卡洛方法

正电子-分子复合体基态性质的量子化学计算具有挑战性。主要困难在于采用合适的基组来表示电子与正电子之间的重合。此处，我们利用近期发展的费米子神经网络（FermiNet）波函数来解决该问题，该函数不依赖于基组。我们发现，FermiNet 在一系列具有多种定性不同正电子束缚特征的原子和小分子上给出了高精度的、某些情况下为最先进的基态能量。我们计算了具有挑战性的非极性苯分子的束缚能，发现与实验值吻合良好，并获得了与显式关联高斯波函数所得结果相比更具优势湮灭率。我们的结果展示了基于神经网络波函数方法的通用优势，并将其适用性拓展至标准分子哈密顿量之外的体系。