論文の概要: Learning local and semi-local density functionals from exact exchange-correlation potentials and energies

• arxiv url: http://arxiv.org/abs/2409.06498v1
• Date: Tue, 10 Sep 2024 13:26:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-11 17:48:44.107549
• Title: Learning local and semi-local density functionals from exact exchange-correlation potentials and energies
• Title（参考訳）: 正確な交換相関ポテンシャルとエネルギーによる局所および半局所密度関数の学習
• Authors: Bikash Kanungo, Jeffrey Hatch, Paul M. Zimmerman, Vikram Gavini,
• Abstract要約: 正確な交換相関関数(XC)の発見は、密度汎関数理論(DFT)における決定的課題である。 我々は,XC関数の正確な密度,XCエネルギー,XCポテンシャルを利用して,XC関数を学習するためのデータ駆動経路を提案する。
• 参考スコア（独自算出の注目度）: 1.5088726951324294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Finding accurate exchange-correlation (XC) functionals remains the defining challenge in density functional theory (DFT). Despite 40 years of active development, the desired chemical accuracy is still elusive with existing functionals. We present a data-driven pathway to learn the XC functionals by utilizing the exact density, XC energy, and XC potential. While the exact densities are obtained from accurate configuration interaction (CI), the exact XC energies and XC potentials are obtained via inverse DFT calculations on the CI densities. We demonstrate how simple neural network (NN) based local density approximation (LDA) and generalized gradient approximation (GGA), trained on just five atoms and two molecules, provide remarkable improvement in total energies, densities, atomization energies, and barrier heights for hundreds of molecules outside the training set. Particularly, the NN-based GGA functional attains similar accuracy as the higher rung SCAN meta-GGA, highlighting the promise of using the XC potential in modeling XC functionals. We expect this approach to pave the way for systematic learning of increasingly accurate and sophisticated XC functionals.
• Abstract（参考訳）: 正確な交換相関関数(XC)の発見は密度汎関数理論(DFT)における決定的な課題である。 40年にわたる活発な開発にもかかわらず、望まれる化学的正確性は依然として既存の機能によって解明されている。 我々は,XC関数の正確な密度,XCエネルギー,XCポテンシャルを利用して,XC関数を学習するためのデータ駆動経路を提案する。 正確な密度は正確な構成相互作用(CI)から得られるが、正確なXCエネルギーとXC電位はCI密度の逆DFT計算によって得られる。 ニューラルネットワーク(NN)に基づく局所密度近似(LDA)と一般化勾配近似(GGA)が5つの原子と2つの分子で訓練され、トレーニングセット外の数百個の分子に対する総エネルギー、密度、原子化エネルギー、障壁高さが著しく向上したことを示す。 特に、NNベースのGGA関数は、より高いラングSCANメタGGAと同様の精度を実現し、XC関数のモデリングにXCポテンシャルを使用するという約束を強調している。 このアプローチは、ますます正確で洗練されたXC関数の体系的学習の道を開くことを期待する。

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)
• 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)
• Orbital-Free Density Functional Theory with Continuous Normalizing Flows [54.710176363763296]
  軌道自由密度汎関数理論(OF-DFT)は、分子電子エネルギーを計算する別のアプローチを提供する。 我々のモデルは様々な化学系の電子密度を再現することに成功した。
  論文  参考訳（メタデータ） (2023-11-22T16:42:59Z)
• KineticNet: Deep learning a transferable kinetic energy functional for orbital-free density functional theory [13.437597619451568]
  KineticNetは、分子二次格子上の量の予測に適応した点畳み込みに基づく、同変のディープニューラルネットワークアーキテクチャである。 初めて、学習された関数の化学的精度は、小さな分子の入力密度とジオメトリーによって達成される。
  論文  参考訳（メタデータ） (2023-05-08T17:43:31Z)
• 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)
• Real-time equation-of-motion CC cumulant and CC Green's function simulations of photoemission spectra of water and water dimer [54.44073730234714]
  実時間CC累積法で得られた結果について考察する。 これらの方法を用いて得られたイオン化ポテンシャルを価領域で比較した。 RT-EOM-CC法とCCGF法により得られたスペクトル関数の特徴を衛星ピークの位置と関連づけて解析した。
  論文  参考訳（メタデータ） (2022-05-27T18:16:30Z)
• Density-Based Clustering with Kernel Diffusion [59.4179549482505]
  単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。 局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
  論文  参考訳（メタデータ） (2021-10-11T09:00:33Z)
• GGA-Level Subsystem DFT Achieves Sub-kcal/mol Accuracy Intermolecular Interactions by Mimicking Nonlocal Functionals [0.0]
  本稿では,非局所関数のよい振る舞いを模倣したGGA非付加的運動エネルギー関数を提案する。 この新しい関数は、S22-5とS66のテストセットにおける弱い相互作用のダイマーのKohn-Sham DFTとベンチマークCCSD(T)相互作用エネルギーを再現する。
  論文  参考訳（メタデータ） (2021-03-29T19:56:52Z)
• 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)
• Learning the exchange-correlation functional from nature with fully differentiable density functional theory [0.0]
  我々は、完全に微分可能な3次元コーン・シャム密度汎関数論フレームワーク内での交換相関関数を置き換えるためにニューラルネットワークを訓練する。 我々の訓練された交換相関ネットワークは110分子の集合体における原子化とイオン化エネルギーの予測を改善した。
  論文  参考訳（メタデータ） (2021-02-08T14:25:10Z)

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。