学习Kohn-Sham密度矩阵的对称性保持且可迁移的表示
化学物理
2025-03-12 v1 量子物理
摘要
Kohn-Sham (KS)密度矩阵是KS密度泛函理论(DFT)中最重要的属性之一，从中可以推导出许多感兴趣的物理属性。在本工作中，我们提出了一种用于从分子配置学习其对应密度矩阵的参数化表示，基于Atomic Cluster Expansion (ACE)框架，该框架保留了映射的物理对称性，包括等距等距性和Grassmann性。在多个典型分子上进行训练，所提出的表示随模型参数的增加而系统性地改进，并对不在训练集中的分子甚至更复杂于训练集中的分子具有可迁移性。通过该方法生成的模型能够生成合理的密度矩阵预测，以加速DFT计算或提供某些分子属性的近似值。
关键词
引用
@article{arxiv.2503.08400,
title = {A symmetry-preserving and transferable representation for learning the Kohn-Sham density matrix},
author = {Liwei Zhang and Patrizia Mazzeo and Michele Nottoli and Edoardo Cignoni and Lorenzo Cupellini and Benjamin Stamm},
journal= {arXiv preprint arXiv:2503.08400},
year = {2025}
}
备注
Including Supporting Information