ランダム位相近似における原子構造に対する最適化実ポテンシャル法のスペクトル有限要素定式化

科学分野:

• 計算化学
• 量子力学
• 電子構造理論

背景:

• 最適化実ポテンシャル（OEP）法は、正確な電子構造計算に不可欠です。
• ランダム位相近似（RPA）は、電子相関効果を体系的に含める方法を提供します。
• OEPとRPAの組み合わせは、計算上の課題をもたらします。

研究 の 目的:

• RPA内のOEP法のための新しいスペクトル有限要素定式化を開発すること。
• 原子構造計算のための正確かつ効率的な計算フレームワークを作成すること。
• RPA-OEP交換相関ポテンシャルを改良するための機械学習の応用を探求すること。

主な方法:

• チェビシェフ・ガウス・ロバット節を利用したスペクトル有限要素フレームワーク。
• 空間離散化のための高次C0連続ラグランジュ多項式基底関数。
• 正確な数値積分を実現するガウス・ルジャンドル求積法。
• 軌道、ハートリーポテンシャル、およびRPA-OEPポテンシャルのための異なる多項式次数。

主要な成果:

• 代表的な例を通じて、スペクトル有限要素フレームワークの精度を検証しました。
• RPA相関を組み込んだダブルハイブリッド関数の忠実性を評価しました。
• カーネル法と線形回帰を使用したRPA-OEP交換相関ポテンシャルのための機械学習モデルを開発しました。

結論:

• 開発されたスペクトル有限要素法は、OEP-RPA計算のための正確かつ効率的なアプローチを提供します。
• このフレームワークは、高度な密度汎関数の信頼性の高い評価を可能にします。
• 機械学習は、量子化学における複雑な交換相関ポテンシャルを近似するための有望な道を提供します。