arXiv · Materials Science· Chuntian Wu, Jiaxiang Li, Qiang Xu, Xuecheng Shao, Congwei Xie, Yu Xie, Yanming Ma·· 1 天前
深度学习Hamiltonian方法推广至平面波DFT：基于投影性构造紧凑AO训练目标
Accurately Generalizing Deep-Learning Hamiltonian Methods to Plane-Wave Density Functional Theory
arXiv:2610.18317v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chuntian Wu, Jiaxiang Li, Qiang Xu, Xuecheng Shao, Congwei Xie, Yu Xie, Yanming Ma
研究任务与主要进展
该研究提出一种由投影性筛选的平面波特征态与本征值构造非正交原子轨道Hamiltonian的方法，用于将深度学习Hamiltonian方法推广至平面波DFT。方法避免经验性能移及其对学习目标的任意贡献，并保留参考计算中的非局域贡献；基于论文摘要，MoS2和钠相材料的基准显示其能带复现准确且AO基组小于实空间重构。所得PBE和HSE Hamiltonian可由等变神经网络学习。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org