arXiv · AI· Fang Sun, Hekai Cheng, Ruoyan Li, Yuanzhou Chen, Wei Wang, Jason Cong, Yizhou Sun·· 8 小时前AI 评分20
FermiScope 通过累积局域态密度改进 Kohn-Sham 哈密顿量学习
Where the Error Lives: Spectral Representations of Learned Kohn-Sham Hamiltonians
AI 导读
针对机器学习 Kohn-Sham 哈密顿量模型中元素级误差无法保证本征值准确的问题，研究提出新训练信号“累积局域态密度（FermiScope）”。 该方法通过计算给定能量阈值下空间各点的电子数，完整捕获误差并确定哈密顿量，避免了梯度消失。 在 QH9 数据集微调三个模型后，FermiScope 在降低 HOMO-LUMO 能隙误差的同时，未增加元素级误差。
来源：arXiv · AI · arxiv.org