解码能量分解分析：基于机器学习洞察密度泛函对成键分析的影响

化学键的概念是化学中的一个关键方面，有助于理解分子和材料的复杂性及反应性。然而，化学键的解释可能受到所采用的理论方法和具体方案的阻碍。本研究旨在探讨选择不同密度泛函对通过能量分解分析（EDA）所得成键解释的影响。为实现这一目标，构建了一个数据集，代表四个成键组以及泛函和色散校正方案的各种组合。计算显示，不同泛函在EDA项上存在显著差异，其中色散校正项表现出最高的变异性。通过对数据集使用无监督学习结合降维提取了更多信息。结果表明，尽管不同泛函获得的EDA项存在差异，但泛函的影响最不显著，表明其对成键解释的影响极小。