精确求解多电子薛定谔方程是量子化学的核心问题之一。然而，由于希尔伯特空间的维度随所研究体系的大小呈指数级增长，最精确的全组态相互作用（FCI）方法仅能用于处理包含二十多个电子和轨道的小体系。人工智能的运用为精确求解多电子薛定谔方程提供了新的范式。与传统的数值求解方法不同，这类方法使用神经网络表达多电子波函数，并通过变分蒙特卡罗方法优化以获得神经网络的权重参数。这类方法可通过无监督的强化学习，不依赖预先提供的波函数数据获得最佳的多电子波函数解。我们近期结合最先进的基于Transformer 的深度神经网络以及高效率的批次自回归采样方法，发展了基于生成式人工智能的“乾坤网络”（QiankunNet），并在此平台上实现了多电子薛定谔方程的直接求解，对多种不同体系计算所获得的基态能量与 FCI 方法的结果符合得非常好。此外，我们还实现了以组态相互作用（CISD）方法的计算数据对乾坤网络进行预训练，以提高神经网络对多电子波函数的表达能力及相应的计算效率。在本报告中，我将首先介绍人工智能求解薛定谔方程的基本概念和主要进展，然后展示我们基于生成式人工智能求解多电子薛定谔方程的相关工作。