用于分子和材料格林函数的等变神经网络
化学物理
2024-02-20 v2 材料科学
计算物理
摘要
多体格林函数提供了超越密度泛函理论水平的电子性质，用于从头计算。在本文中，我们提出了一个深度学习框架，用于预测原子轨道空间中的有限温度格林函数，旨在实现精度和效率之间的平衡。通过使用等变消息传递神经网络预测Lehmann表示中的自能矩阵，我们的方法尊重其解析性质和等变性。格林函数通过戴森方程从预测的自能中获得，并带有目标总电子数。我们给出了分子和简单周期系统的概念验证基准结果，表明我们的方法能够基于预测的格林函数提供物理可观测量（如能量和态密度）的准确估计。
引用
@article{arxiv.2312.14680,
title = {Equivariant neural network for Green's functions of molecules and materials},
author = {Xinyang Dong and Emanuel Gull and Lei Wang},
journal= {arXiv preprint arXiv:2312.14680},
year = {2024}
}