Brillouin残差约束改进交换关联泛函

Yuhao Chen等作者提出用Brillouin残差惩罚改进机器学习交换关联泛函，以解决经验泛函在固定轨道上拟合、自洽使用时能量变好而密度变差的问题。 研究显示，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。 作者用6个能量和11个CCSD密度训练神经meta-GGA，称其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。