平稳性约束提升机器学习交换关联泛函

Yuhao Chen、Donald G. Truhlar 和 Xiao He 发表研究，提出用 Brillouin 残差约束机器学习交换关联泛函，以缓解经验泛函在固定轨道上拟合、却用于自洽计算时能量变好而密度变差的问题。 研究称，训练后泛函在精确密度 Kohn-Sham 轨道上的 Brillouin 残差可一阶控制自洽密度偏移与拟合-自洽能量差，且惩罚该项无需在训练中求解自洽场。 用 6 个能量和 11 个 CCSD 密度训练的神经常规 meta-GGA，在未见分子的原子化能与密度上均超过 SCAN。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。