平稳性约束同时改进机器学习交换相关泛函的能量与密度
Stationarity Constraints Improve Both Energies and Densities of Machine-Learned Exchange-Correlation Functionals
AI 导读
一项 arXiv 研究提出，用训练后泛函在精确密度的 Kohn-Sham 轨道上的 Brillouin 残差作为约束，可在一阶上同时控制自洽密度偏移与拟合能量和自洽能量之差，且训练时无需自洽场求解。仅用 6 个能量和 11 个 CCSD 密度训练的神经 meta-GGA 泛函，在对未见分子的原子化能量和密度上均超过 SCAN。
来源：arXiv cs.AI · arxiv.org