计算化学公社

标题: DFT有结合机器学习的方向吗 [打印本页]

作者
Author: rugals 时间: 2023-10-3 14:48
标题: DFT有结合机器学习的方向吗
如题
分子动力学使用机器学习势的研究思路现在非常火爆，几乎每个高分期刊的研究型文章的计算，特别是MD，都要带上machine learning的字样。
那么DFT是否有可能搭上机器学习的便车？
我能想到的就是杂化泛函的XC项往机器学习上贴一贴
但这似乎又和ab initio的思想相矛盾

作者
Author: sobereva 时间: 2023-10-3 14:57
机器学习搞泛函的文章多了去了，比如Science 374, 1385–1389 (2021)、PRL 108, 253002 (2012)、J. Phys. Chem. Lett. 2019, 10, 6425−6431、npj Computational Materials (2020) 6:43、J. Chem. Phys. 159, 090901 (2023)
如今搞泛函实用主义盛行，像Perdew那样执着于泛函的物理意义的研究者已经不多了，而且这路子很难往下走

作者
Author: rugals 时间: 2023-10-3 15:38

sobereva 发表于 2023-10-3 14:57
机器学习搞泛函的文章多了去了，比如Science 374, 1385–1389 (2021)、PRL 108, 253002 (2012)、J. Phys. C ...

sob老师觉得目前做研究的话使用机器学习训练的泛函相比传统泛函是否具有优势？还是说只是个噱头？

作者
Author: sobereva 时间: 2023-10-3 19:19

rugals 发表于 2023-10-3 15:38
sob老师觉得目前做研究的话使用机器学习训练的泛函相比传统泛函是否具有优势？还是说只是个噱头？

目前还不明朗。在短期内我不认为靠机器学习搞泛函能搞出多大名堂，即弄出一个较为普适、高效而且精度能胜过各种现有泛函的东西，顶多是在某些问题的研究方面搞一些比较专一性的机器学习泛函可能还有希望，或者搞一些辅助的东西，比如最近有人用机器学习快速产生长程校正泛函的w参数来节约传统方式调控w的时间。现在也有不少文章搞delta-learning，即用机器学习对常规泛函算的结果进行校正以尽可能接近CCSD(T)等更高精度的结果，这相对比较容易搞出有一定实用价值的东西。

作者
Author: zjxitcc 时间: 2023-10-3 20:35
已经做烂了，建议不做

欢迎光临计算化学公社 (http://bbs.keinsci.com/)