ChemRxiv Preprints· Liu, Shubin·· 17 天前精选AI 评分58
学习分子 Pauli 势需要什么信息：面向无轨道密度泛函理论的非局域描述符层级
What Information Is Required to Learn Molecular Pauli Potentials? A Nonlocal Descriptor Hierarchy for Orbital-Free Density Functional Theory
AI 导读
该预印本研究探讨机器学习 Pauli 势需要何种密度表示才能驱动无轨道 Euler 解逼近 Kohn–Sham 参考。在 C2H2 上，冻结的 KS 导出 Pauli 势 oracle 使 OF 能量与 KS 参考相差 3.15 mHa；以坐标条件化的神经网络可学到 Pauli 势场但不构成密度泛函表示，改用半局域密度描述符后 MLP 与 KAN 均严重失效。
推荐理由
研究用描述符可辨识性分析说明非局域密度信息对学习分子 Pauli 势的必要性，为相关表示设计提供参照。
来源：ChemRxiv Preprints · chemrxiv.org