.png){kind=icon}
返回
Metadensity Functional Learning for Classical Fluids: Regularizing with Pair Correlations
.png){kind=icon}
OA
AI
DOI：10.1021/acs.jpcb.6c01662.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们研究了并利用[Kampa, S. M. Phys. Rev. Lett. 2025, 134, 107301]近期提出的神经元元密度泛函理论在描述非均匀流体物理方面的后果。元密度对成对势的依赖性对于软物质设计和亨德森反演具有重要意义，并且它允许在预测阶段即时改变成对势。本文考虑具有短程（截断）粒子间作用力的一维系统，并利用泛函的成对势依赖性来研究通向体流体成对关联结构的“元直接”途径。经典密度泛函理论提供了所需的泛函关系。通过神经泛函线积分和自动微分实现了高效的变分微积分。我们通过比较不同途径的成对结构来正则化神经泛函的局部学习。因此，元直接泛函微分的计算结果与初始局部训练的元密度泛函的精确测试粒子数据相匹配。通过元密度泛函依赖性获取成对结构绕过了奥恩施泰因-泽尔尼克反演，并且基于第一性原理。
Keyword:
Chemical structure
Density functional theory
Differentiation
Fluids
Thermodynamic properties
期刊
T
IF:
2.9
论文数:
767
被引数:
2
机构
引用论文
分享收藏分享收藏Liquid structure of bistable responsive macromolecules using mean-field density-functional theory.png)
Soft MatterOAAI
Soft MatterIF0
OAAI分享收藏
查看更多内容