論文の概要: Approximate Functionals in Hypercomplex Kohn-Sham Theory

• arxiv url: http://arxiv.org/abs/2102.08790v2
• Date: Wed, 23 Feb 2022 17:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 23:56:00.600548
• Title: Approximate Functionals in Hypercomplex Kohn-Sham Theory
• Title（参考訳）: 超複素コーン・シャム理論における近似関数
• Authors: Neil Qiang Su
• Abstract要約: 最近開発された超複素コーンシャム(HCKS)理論は密度汎関数論(DFT)における静的/強相関問題を克服する大きな可能性を示している。 この研究は HCKS の近似汎関数に焦点をあて、コーンシャム DFT (KS) と HCKS の比較から機能開発に関するさらなる知見を得る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recently developed hypercomplex Kohn-Sham (HCKS) theory shows great potential to overcome the static/strong correlation issue in density functional theory (DFT), which highlights the necessity of further exploration of the HCKS theory toward better handling many-electron problem. This work mainly focuses on approximate functionals in HCKS, seeking to gain more insights into functional development from the comparison between Kohn-Sham (KS) DFT and HCKS. Unlike KS-DFT, HCKS can handle different correlation effects by resorting to a set of auxiliary orbitals with dynamically varying fractional occupations. These orbitals of hierarchical correlation (HCOs) thus contain distinct electronic information for better considering the exchange-correlation effect in HCKS. The test on the triplet-singlet gaps shows that HCKS has much better performance as compared to KS-DFT in use of the same functionals, and the systematic errors of semi-local functionals can be effectively reduced by including appropriate amount of the HCO-dependent Hartree-Fock (HF) exchange. In contrast, KS-DFT shows large systematic errors, which are hardly reduced by the functionals tested in this work. Therefore, HCKS creates new channels to address to the strong correlation issue, and further development of functionals that depend on HCOs and their occupations is necessary for the treatment of strongly correlated systems.
• Abstract（参考訳）: 最近開発された超複素コーンシャム (HCKS) 理論は密度汎関数論 (DFT) における静的/強相関問題を克服する大きな可能性を示している。 この研究は主にHCKSの近似汎関数に焦点をあて、コーン・シャム(KS) DFTとHCKSの比較から機能開発に関するさらなる知見を得る。 KS-DFTとは異なり、HCKSは動的に異なる部分的占有を持つ補助軌道の集合に頼って異なる相関効果を処理できる。 これらの階層相関軌道(HCO)は、HCKSの交換相関効果をよく考慮するために異なる電子情報を含む。 三重項-特異点ギャップの試験では、HCKSはKS-DFTと比較して、同じ関数を使用する場合よりもはるかに優れた性能を示し、HCO依存のHartree-Fock(HF)交換の適切な量を含めることで、半局所関数の系統的誤差を効果的に低減できる。 対照的に、KS-DFTは大規模な体系的誤りを示し、この研究でテストされた機能によってほとんど減少しない。 したがって、HCKSは強い相関問題に対処する新たなチャネルを作成し、強い相関システムの処理には、HCOとそれらの職業に依存する機能の開発が必要である。

関連論文リスト

• Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
  Equivariant Graph Exchange correlation (EG-XC) は、同変グラフニューラルネットワークに基づく新しい非局所XC関数である。 EG-XCは、半局所関数と同変核中心点雲表現によってパラメータ化された非局所特徴密度を結合する。 MD17では,金標準のCCSD(T)エネルギーを正確に再構成するEG-XCが発見された。
  論文  参考訳（メタデータ） (2024-10-10T14:31:45Z)
• Benchmark Computations of Nearly Degenerate Singlet and Triplet states of N-heterocyclic Chromophores : II. Density-based Methods [0.0]
  LR-TDDFT と$Delta$SCF の両方に対して最小絶対誤差 (MAE) を持つ関数セットを提案する。 本研究は3種類のシクラジン系分子テンプレートの広範な研究に基づいている。 DFTの文脈における正確な交換、スピン汚染、スピン分極の役割は、我々の研究の最前線に来ている。
  論文  参考訳（メタデータ） (2024-08-09T07:47:38Z)
• NeuralSCF: Neural network self-consistent fields for density functional theory [1.7667864049272723]
  コーンシャム密度汎関数理論(KS-DFT)は、正確な電子構造計算に広く応用されている。 深層学習の目的としてコーン・シャム密度マップを確立するニューラルネットワーク自己整合体(NeuralSCF)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-22T15:24:08Z)
• Quantum-Enhanced Neural Exchange-Correlation Functionals [0.193482901474023]
  コーンシャム密度汎関数論(英語版)(KS-DFT)は、分子の正確な基底状態エネルギーと電子密度を、未知の普遍交換相関(英語版)(XC)関数に基づいて提供する。 近年の研究では、ニューラルネットワークが、その機能に対する近似を表現するために効率的に学習できることが示されており、トレーニングプロセス中に存在しない分子に正確な一般化を提供する。 量子強化機械学習(ML)の最近の進歩により、量子ニューラルネットワーク(QNN)モデルがMLアプリケーションにメリットをもたらす証拠が増えている。
  論文  参考訳（メタデータ） (2024-04-22T15:07:57Z)
• Pretraining Codomain Attention Neural Operators for Solving Multiphysics PDEs [85.40198664108624]
  PDEを用いた多物理問題の解法として,コドメイン注意ニューラル演算子(CoDA-NO)を提案する。 CoDA-NOはコドメインやチャネル空間に沿った機能をトークン化し、複数のPDEシステムの自己教師付き学習や事前訓練を可能にする。 CoDA-NOは、データ制限のある複雑な下流タスクにおいて、既存のメソッドを36%以上上回ります。
  論文  参考訳（メタデータ） (2024-03-19T08:56:20Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• Generalizability of density functionals learned from differentiable programming on weakly correlated spin-polarized systems [2.896251429985507]
  Kohn-Sham regularizer (KSR) は物理インフォームド交換相関関数を最適化する機械学習手法である。 我々は、原子系のトレーニングと平衡における分子の試験により、KSRの一般化可能性を評価する。 我々の非局所関数は、テストシステムの基底状態エネルギーを平均絶対誤差2.7ミリ-ハーツリーで予測することで、既存の機械学習機能より優れています。
  論文  参考訳（メタデータ） (2021-10-28T02:03:04Z)
• eQE 2.0: Subsystem DFT Beyond GGA Functionals [58.720142291102135]
  サブシステム-DFT (subsystem-DFT) は、大規模電子構造計算の計算コストを劇的に削減することができる。 sDFTの鍵となる要素は、その精度を支配する非付加的な運動エネルギーと交換相関関数である。 eQE 2.0は従来のコーンシャムDFTやCCSD(T)と比較して優れた相互作用エネルギーを提供する
  論文  参考訳（メタデータ） (2021-03-12T22:26:36Z)
• Unity of Kohn-Sham Density Functional Theory and Reduced Density Matrix Functional Theory [0.0]
  この研究は、コーン・シャム(KS)密度汎関数理論(DFT)と還元密度行列汎関数理論(RDMFT)の2つの独立した理論的枠組みを統一する理論を提示している。 KS軌道を超複素数系へ一般化すると、超複素KS(HCKS)理論はKS-DFTの密度の探索空間を RDMFT の分数的占有を持つ自然スピン軌道と等価な空間に拡張する。
  論文  参考訳（メタデータ） (2021-01-31T06:39:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。