Teoría funcional de densidad libre de órbita estable y precisa impulsada por el aprendizaje automático

Área de la Ciencia:

• Química computacional
• Mecánica Cuántica
• Ciencias de los materiales

Sus antecedentes:

• Los teoremas de Hohenberg-Kohn establecen una base teórica para la teoría funcional de densidad (DFT).
• Las aproximaciones precisas a la función de energía exacta siguen siendo un desafío importante en DFT.
• Los funcionales existentes a menudo carecen de la precisión requerida para diversas aplicaciones químicas.

Objetivo del estudio:

• Desarrollar un funcional de densidad derivado empíricamente utilizando el aprendizaje automático.
• Para lograr una precisión química en los cálculos de energía y densidades de electrones significativas para las moléculas.
• Para cerrar la brecha entre la DFT teórica y la química computacional práctica.

Principales métodos:

• Aprendizaje automático atómico rotativamente equivalente utilizado.
• Entrenado un modelo en el conjunto de datos QM9 de moléculas orgánicas.
• Datos de entrenamiento aumentados con densidades de electrones de potenciales perturbados.

Principales resultados:

• Desarrolló el funcional de densidad STRUCTURES25.
• Energías obtenidas con una precisión química relativa a los cálculos de Kohn-Sham.
• Se obtienen densidades de electrones convergentes y significativas para las moléculas orgánicas.

Conclusiones:

• El aprendizaje automático ofrece un camino viable para aprender funcionales de densidad precisos.
• Este trabajo demuestra el progreso práctico hacia la visión de Hohenberg-Kohn.
• Permite cálculos de estructura electrónica más eficientes y precisos para sistemas moleculares grandes.