Deep-Learning Density Functional Perturbation Theory

计算 人工神经网络 密度泛函理论 计算机科学 声子 微扰理论(量子力学) 功能理论 暖稠密物质 从头算 摄动(天文学) 统计物理学 物理 人工智能 理论物理学 理论计算机科学 电子 量子力学 算法
作者
He Li,Zechen Tang,Jingheng Fu,Wen‐Han Dong,Nianlong Zou,Xiaoxun Gong,Wenhui Duan,Yong Xu
出处
期刊:Physical Review Letters [American Physical Society]
卷期号:132 (9) 被引量:31
标识
DOI:10.1103/physrevlett.132.096401
摘要

Calculating perturbation response properties of materials from first principles provides a vital link between theory and experiment, but is bottlenecked by the high computational cost. Here, a general framework is proposed to perform density functional perturbation theory (DFPT) calculations by neural networks, greatly improving the computational efficiency. Automatic differentiation is applied on neural networks, facilitating accurate computation of derivatives. High efficiency and good accuracy of the approach are demonstrated by studying electron-phonon coupling and related physical quantities. This work brings deep-learning density functional theory and DFPT into a unified framework, creating opportunities for developing ab initio artificial intelligence.Received 6 September 2023Revised 1 January 2024Accepted 31 January 2024DOI:https://doi.org/10.1103/PhysRevLett.132.096401© 2024 American Physical SocietyPhysics Subject Headings (PhySH)Research AreasElectron-phonon couplingFirst-principles calculationsSuperconductivityTechniquesDeep learningDensity functional theoryNeural network simulationsCondensed Matter, Materials & Applied Physics
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
烟花的应助被shally采纳,获得10
5秒前
5秒前
lllll完成签到 ,获得积分10
8秒前
10秒前
范yx发布了新的文献求助10
11秒前
Eric完成签到,获得积分10
11秒前
陈烨完成签到,获得积分10
11秒前
侯子完成签到 ,获得积分10
15秒前
shally发布了新的文献求助10
16秒前
ninini完成签到 ,获得积分10
16秒前
En完成签到 ,获得积分10
16秒前
慧慧34完成签到 ,获得积分10
17秒前
回首不再是少年完成签到,获得积分0
20秒前
22秒前
Singularity发布了新的文献求助20
25秒前
chenchen完成签到 ,获得积分10
26秒前
28秒前
含糊的盼波完成签到,获得积分10
29秒前
光亮如容完成签到,获得积分10
33秒前
33秒前
浩浩完成签到 ,获得积分0
36秒前
圆圆完成签到 ,获得积分10
48秒前
chunlily完成签到 ,获得积分10
48秒前
xujiahao完成签到,获得积分10
49秒前
50秒前
黑米粥发布了新的文献求助200
55秒前
55秒前
zw完成签到,获得积分10
56秒前
沉默岩完成签到,获得积分10
1分钟前
中恐完成签到,获得积分0
1分钟前
JamesPei的应助被shally采纳,获得10
1分钟前
肥猫完成签到,获得积分10
1分钟前
谦让的忆枫完成签到,获得积分10
1分钟前
lll完成签到 ,获得积分10
1分钟前
黑米粥发布了新的文献求助200
1分钟前
arniu2008的应助被科研通管家采纳,获得20
1分钟前
arniu2008的应助被科研通管家采纳,获得20
1分钟前
arniu2008的应助被科研通管家采纳,获得20
1分钟前
1分钟前
开心完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185502
求助须知:如何正确求助?哪些是违规求助? 9574220
关于积分的说明 21834553
捐赠科研通 7783121
什么是DOI,文献DOI怎么找? 3434577
关于科研通互助平台的介绍 2558949
邀请新用户注册赠送积分活动 2481357