详细内容或原文请订阅后点击阅览
新方法使用机器学习提高了量子化学模拟的准确性
以量子精度对分子进行建模的新技巧，朝着揭示流行模拟方法中心的方程式迈出了一步，该方法用于基本化学和材料科学研究。
来源:英国物理学家网首页以量子精度对分子进行建模的新技巧，朝着揭示流行模拟方法中心的方程式迈出了一步，该方法用于基本化学和材料科学研究。
理解材料和化学反应的努力大约吞噬了美国国家实验室超级计算机时间的三分之一，精度的黄金标准是量子多体问题，这可以告诉您在单个电子水平上发生了什么。这是化学和材料行为的关键，因为电子负责化学反应性和键，电性能等。但是，量子多体计算是如此困难，以至于科学家只能一次使用少量电子来计算原子和分子。
化学反应密度函数理论或DFT更容易 - 其计算资源的计算资源量表具有数字的电子数量，而不是使用每个新电子的计算资源呈指数增长。该理论不是遵循每个电子电子，而是计算电子密度 - 电子最有可能位于空间中。这样，它可以用于模拟数百个原子的行为。
DFT用户的一个关键问题是交换 - 相关功能，它遵循量子机械规则，描述了电子如何相互作用。到目前为止，研究人员不得不为其特定应用近似XC功能而定。
“我们知道存在通用功能 - 无论电子在分子系统中，金属还是半导体都没有关系。但是我们不知道其形式是什么。”
研究