加州理工学院 Anima Anandkumar 团队于 8 月 24 日发布论文，提出 Kohn-Sham FNO，将密度泛函理论中最耗时的一步由传统立方级复杂度降至接近线性级。论文显示，该方法在单块 NVIDIA B300 GPU 上完成了 8250 个原子、82500 个价电子的镁位错计算，而 2019 年同类全量 DFT 计算曾使用约 7800 块 NVIDIA V100 GPU。研究还比较了两类既有 AI 路线在外推与稳定性上的局限。