利用机器学习算法自动选择强关联体系的活性空间
化学物理
2020-12-01 v1
摘要
活性空间量子化学方法能对强关联电子体系提供非常准确的描述，这对自然科学具有巨大价值。活性空间的恰当选择至关重要，但却是一项非平凡任务。在本文中，我们提出基于神经网络(NN)的活性空间自动选择方法，聚焦于过渡金属体系。训练集由含一个过渡金属与不同配体的人工体系构成，我们在其上执行了DMRG并计算了单点熵。在所选的从小型基准分子到涉及两个金属中心的更大挑战性体系的系统集合上，我们展示了我们的ML模型能以高准确度正确预测轨道的重要性。同时，ML模型在比训练中使用的任何配合物都大得多的体系上表现出高度可迁移性。
引用
@article{arxiv.2011.14715,
title = {Automatic selection of active spaces for strongly correlated systems using machine learning algorithms},
author = {Pavlo Golub and Andrej Antalik and Libor Veis and Jiri Brabec},
journal= {arXiv preprint arXiv:2011.14715},
year = {2020}
}