平稳性约束同时改善机器学习交换-相关泛函的能量和密度
Stationarity Constraints Improve Both Energies and Densities of Machine-Learned Exchange-Correlation Functionals
精选理由
深度 91 / 新颖度 88，来自 arXiv cs.AI。
AI 摘要
经验交换-相关泛函在固定轨道上拟合，却以自洽方式使用，因此更好的能量往往伴随着更差的密度。我们证明，在准确密度对应的 Kohn-Sham 轨道上，训练所得泛函的布里渊残差在一阶上同时控制自洽密度偏移，以及拟合能量与自洽能量之间的差值。对该残差施加惩罚无需在训练期间进行自洽场求解。在 6 个能量和 11 个 CCSD 密度上训练的神经 meta-GGA，在未见分子的原子化能和密度这两方面均超过 SCAN。