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
- 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) - Variational principle to regularize machine-learned density functionals:
the non-interacting kinetic-energy functional [0.0]
本稿では,ディープニューラルネットワークに基づく密度汎関数のトレーニングのための,より効率的な正規化手法を提案する。
この方法は、水素鎖、非相互作用電子、および最初の2周期の原子を含む(効果的に)1次元のシステムで試験される。
原子系では、正則化法の一般化可能性も交換相関関数の訓練によって示される。
論文 参考訳(メタデータ) (2023-06-30T12:07:26Z) - Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。
逆スピン対分布関数による強いペアリング相関の出現を観察する。
この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
論文 参考訳(メタデータ) (2023-05-15T17:46:09Z) - 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) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳(メタデータ) (2022-06-29T19:03:10Z) - 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) - Unveiling operator growth in SYK quench dynamics [4.176752121302988]
強い相関関係を持つハミルトンの急激なクエンチによって引き起こされる非平衡ダイナミクスと全対一の相互作用について検討する。
特定のスピン-スピン相関関数の時間進化とそれらの崩壊を追跡することにより、作用素ホッピングと作用素成長ダイナミクスを区別することができると論じる。
論文 参考訳(メタデータ) (2020-07-07T15:27:16Z)
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。