FermiScope：用累积LDOS微调改进哈密顿量训练

Fang Sun 等（UCLA 等）在 arXiv 论文中提出 FermiScope 方法：在参考哈密顿量的本征基下分析机器学习预测的 Kohn-Sham 哈密顿量误差，并用累积 LDOS（局域态密度）作为训练信号对哈密顿网络进行微调。他们称累积 LDOS 是单一物理可观测量，包含电子密度作为特例，能响应误差的每个分量并唯一确定哈密顿量。 论文称，用该方法在 QH9 数据集上微调三个哈密顿网络，可在不增加逐元素误差的情况下降低 HOMO-LUMO 能隙误差，且增益在分布外和分子动力学划分上也成立；而在这些划分上，波函数对齐损失的帮助较小。研究者指出，波函数对齐损失和电子密度监督各自只能看到部分误差，且移动预测轨道能量不改变电子密度。

AI 根据报道生成 · 28 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。