基于随机基的多参考协方不密度泛函理论
光学
2026-05-05 v1 机器学习
应用物理
摘要
多参考密度泛函理论（MR-DFT）为描述原子核的基态性质、低能谱和跃迁性质提供了关键的微观框架。传统的 MR-DFT 实现方式依赖于经验选择的生成坐标，这可能遗漏相关的集体自由度，从而无法捕获足够的集体关联。本文引入基于随机基的多参考密度泛函理论（MR-SDFT）。这是一种扩展方案，通过 (i) 基于随机外部场生成多样化的均匀场参考配置，和 (ii) 使用投影-选择方法选择紧凑的子空间。所选取的参考配置在 MR-DFT 框架下进行线性叠加，以产生光谱可观测量。我们采用协方不密度泛函理论（CDFT）对 νclide[20]{Ne}, νclide[24]{Mg} 和 νclide[28]{Si} 进行计算，结果表明 MR-SCDFT 的基态能更低、点质子均根半径更小、基态带更柔软。
引用
@article{arxiv.2605.01306,
title = {Machine Learning Enhanced Laser Spectroscopy for Multi-Species Gas Detection in Complex and Harsh Environments},
author = {Mohamed Sy},
journal= {arXiv preprint arXiv:2605.01306},
year = {2026}
}
备注
PhD thesis