提出投影引导方法将深度学习哈密顿量推广至平面波DFT
热点事件持续更新
提出投影引导方法将深度学习哈密顿量推广至平面波DFT
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
北京大学 Yanming Ma 团队的 Chuntian Wu 等在 arXiv 发布论文摘要,提出一种由投影性筛选的平面波特征态与本征值构建非正交原子轨道(AO)哈密顿量的方法,用于将深度学习哈密顿量方法推广到平面波 DFT 参考计算。 该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;所得 PBE 和 HSE 哈密顿量可由等变神经网络学习。 基于论文摘要,MoS2 和钠相材料的基准显示该方法能以小于实空间重构的 AO 基组准确复现平面波能带。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
深度学习Hamiltonian方法推广至平面波DFT:基于投影性构造紧凑AO训练目标报道时间线
沿着报道,了解事件的不同侧面。
10月14日
- arXiv · Materials Science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
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。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。