深度学习与薛定谔方程
材料科学
2017-11-06 v3 机器学习
化学物理
摘要
我们训练了一个深度（卷积）神经网络，用于预测电子在四类受限二维静电势中的基态能量。对于随机生成的势（其势与基态能量均无解析形式），该神经网络模型能够以化学精度预测基态能量，中位绝对误差为1.49 mHa。我们还研究了该模型在预测其他量（如随机势的动能和第一激发态能量）方面的性能。
引用
@article{arxiv.1702.01361,
title = {Deep learning and the Schr\"odinger equation},
author = {Kyle Mills and Michael Spanner and Isaac Tamblyn},
journal= {arXiv preprint arXiv:1702.01361},
year = {2017}
}