机器学习与密度泛函构造

陌上芬菲 · 发表于 Post on 2017-9-25 11:55:18

最近机器学习又热起来了。在思考：那么多泛函的形式，现在，或者以前有没有用机器学习的办法弄出一个普适或者能针对一类问题泛函？
我没有找到，或许有人已做过，理论上，机器学习应该可以在构造泛函有用武之地。
有没有人想试试或者有线索。引玉，引玉。

sobereva · 发表于 Post on 2017-9-25 21:35:29

陌上芬菲发表于 2017-9-25 17:59
那为什么还用什么b3lyp之类的？

虽然近一两年已经出来一些机器学习构造的泛函，但不可能很快流行，也不可能轻易动摇B3LYP的普适、稳固的地位。
搞泛函终究不能脱离物理意义，泛函必须有一个良好的骨架。而疯狂参数化，或靠机器学习之类的思路去优化泛函，不仅精度提升潜力有限，还可能造成虽然很多情况看似精度很好，但是可靠性却很差。明尼苏达系列泛函近N年来发展的瓶颈，以及某些双杂化泛函如DSD-PBEP86有时结果巨烂，很大程度上也都体现出参数化、机器学习这种思想并不是正途。

陌上芬菲 · 发表于 Post on 2017-9-25 17:59:01

薛定谔的猫发表于 2017-9-25 13:22
有人做过了啊

那为什么还用什么b3lyp之类的？

薛定谔的猫 · 发表于 Post on 2017-9-25 13:22:26

有人做过了啊

		自动登录 Automatic login	找回密码 Forget password
密码 Password			注册 Register

[科研杂谈] 机器学习与密度泛函构造