各向异性补丁粒子的密度泛函机器学习
统计力学
2024-06-12 v1 软凝聚态物质
摘要
各向异性补丁粒子已成为缔合流体的典型统计模型体系。本文提出一种基于经典密度泛函理论处理 Kern-Frenkel 模型的方法，以描述平面壁几何中位形与取向均分辨的平衡密度分布。该密度泛函被拆分为取向平均密度的参考部分与平均场近似下的取向部分。为使取向部分化为适用于机器学习技术的核形式，我们构建了取向不变量的展开式并恰当纳入单粒子对称性。该平均场核基于硬壁模拟数据通过机器学习构建。结果与众所周知的随机相近似进行比较，后者严重低估了靠近壁面的取向关联。我们指出了取向部分平均场处理的成功之处与不足，并展望了通过机器学习获得完整密度泛函的前景。
引用
@article{arxiv.2311.04358,
title = {Machine learning of a density functional for anisotropic patchy particles},
author = {Alessandro Simon and Jens Weimar and Georg Martius and Martin Oettel},
journal= {arXiv preprint arXiv:2311.04358},
year = {2024}
}