由机器学习辅助开发的交换关联泛函
材料科学
2022-07-01 v1
摘要
随着近期机器学习（ML）的迅速进展，出现了一种利用 ML 方法处理密度泛函理论交换关联泛函的新途径。在本章中，我们回顾 ML 工具如何被用于此方向以及近期所取得的性能。结果表明，ML 并不与解析方法相对立，而是补充人类直觉，并推动向着具有期望精度的第一性原理计算发展。
引用
@article{arxiv.2206.15370,
title = {Development of exchange-correlation functionals assisted by machine learning},
author = {Ryo Nagai and Ryosuke Akashi},
journal= {arXiv preprint arXiv:2206.15370},
year = {2022}
}
备注
25 pages, 2 figures, 1 table; Review draft to be submitted in Springer Nature book chapter "Machine Learning in Molecular Sciences"; comments and suggestions are welcomed