文献

J-GLOBAL ID：201802215903262884   整理番号：18A1253170

電子密度の3次勾配を持つ半局所機械学習運動エネルギー密度汎関数【JST・京大機械翻訳】

Semi-local machine-learned kinetic energy density functional with third-order gradients of electron density

著者 (5件)： Seino Junji (Research Institute for Science and Engineering, Waseda University, 3-4-1 Okubo, Shinjuku-ku, Tokyo 169-8555, Japan) ,  Kageyama Ryo (Department of Chemistry and Biochemistry, School of Advanced Science and Engineering, Waseda University, 3-4-1 Okubo, Shinjuku-ku, Tokyo 169-8555, Japan) ,  Fujinami Mikito (Department of Chemistry and Biochemistry, School of Advanced Science and Engineering, Waseda University, 3-4-1 Okubo, Shinjuku-ku, Tokyo 169-8555, Japan) ,  Ikabata Yasuhiro (Research Institute for Science and Engineering, Waseda University, 3-4-1 Okubo, Shinjuku-ku, Tokyo 169-8555, Japan) ,  Nakai Hiromi (Research Institute for Science and Engineering, Waseda University, 3-4-1 Okubo, Shinjuku-ku, Tokyo 169-8555, Japan)
資料名： Journal of Chemical Physics  (Journal of Chemical Physics)
巻： 148  号： 24  ページ： 241705-241705-13  発行年： 2018年 
JST資料番号： C0275A  ISSN： 0021-9606  CODEN： JCPSA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 半局所運動エネルギー密度汎関数(KEDF)を機械学習(ML)に基づいて構築した。本スキームは,MLの説明変数として3次までの電子密度とそれらの勾配を,原子と分子の応答変数としてKohn-Sham(KS)運動エネルギー密度を採用した。本スキームの数値評価を,第一および第二周期要素を含む原子および分子系で行った。また,明示的公式を有する37の従来のKEDFの結果を,暗黙の式を有するML KEDFのものと比較した。高次勾配の包含は,段階的にKS計算から全運動エネルギーの偏差を減少させる。さらに,三次勾配による著者らのスキームは,提示した汎関数からのKS計算に最も近い運動エネルギーをもたらした。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *運動エネルギー ,  *エネルギー密度 ,  *電子密度 ,  分子系 ,  *密度汎関数法 ,  *汎関数 ,  *機械学習

分類 (2件)： 分子の電子構造  (BH05010Q) ,  物理化学一般  (CB01010X)

タイトルに関連する用語 (5件)： 電子密度 ,  勾配 ,  機械学習 ,  運動エネルギー ,  密度汎関数