香港科技大学（HKUST）物理系与化学系副教授潘丁教授及物理系研究助理教授李烁辉带领的研究团队，开发出一种基于深度生成模型的新型直接采样方法——变分温度可微（VaTD）方法。该方法可高效实现对连续温度范围内玻尔兹曼分布的采样，相关成果已发表于《物理评论快报》。 玻尔兹曼分布是统计力学中描述热平衡系统的核心分布，其采样对理解相变、化学反应及生物大分子构象等复杂系统至关重要。然而，传统方法如分子动力学（MD）和马尔可夫链蒙特卡洛（MCMC）在能垒较高时需耗费大量计算时间，难以高效获取系综平均值，成为长期难题。 受深度生成模型进展启发，研究团队提出VaTD框架，适用于任意可处理的密度生成模型，如自回归模型和归一化流。该方法能同时学习整个连续温度范围内的玻尔兹曼分布，并通过自动微分便捷获得热力学量对温度的一阶与二阶导数，从而近似解析配分函数。理论上，在理想条件下，模型可保证采样无偏。 更重要的是，连续温度积分有助于跨越能量障碍，显著降低模拟偏差。与主流生成模型依赖MD或蒙特卡洛预生成数据不同，VaTD仅需系统势能信息，无需额外训练数据，具备更强的通用性与效率。 研究团队通过经典统计物理模型（如伊辛模型和XY模型）验证了该方法的准确性与高效性。潘丁教授表示，这一突破为研究复杂统计系统中的新现象开辟了道路，有望在物理、化学、材料科学及生命科学等领域产生广泛应用。