《基於統計方法的交換相關泛函》是依託華南理工大學，由王秀軍擔任項目負責人的面上項目。
基本介紹
- 中文名：基於統計方法的交換相關泛函
- 項目類別：面上項目
- 項目負責人：王秀軍
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
現有密度泛函理論的問題在於精確的交換相關泛函難以得到，雜化密度泛函方法是其良好的近似，由於能夠更好地再現實驗值，得到多數人的認可。但在對計算結果的準確度要求較高，特別是在處理具有弱相互作用的體系如生物體系時，還難於找到合適的密度泛函方法。我們已經發展了一個基於神經網路的雜化交換相關泛函，其特點是泛函中的組合參數是隨研究對象變化而改變的。套用該泛函較好地再現了一些體系的熱化學性質。本課題將繼續發展這一泛函，使之在處理體系的熱化學性質時能夠達到化學精度。同時把該方案套用到其他的交換相關泛函，如X3LYP，OLYP，MPW1B95等，使之能夠處理一些包含弱相互作用的體系和大的生物體系。除了神經網路，多元線性回歸，支持向量機等統計方法將被用來訓練並尋找雜化交換相關泛函的組合係數。在訓練中加入一些具有好的實驗值的含有重金屬或過渡金屬的體系，也可以使新的泛函適合於處理該類體系。
結題摘要
現有密度泛函理論的問題在於精確的交換相關泛函難以得到。由於能夠更好地再現實驗值，雜化密度泛函方法得到多數人的認可。但在對計算結果的準確度要求較高時，還難於找到合適的密度泛函方法。我們採用支持向量機模型，神經網路模型校正了B3LYP泛函計算的自由能，過渡態能壘，並尋找了新的泛函參數用以構造新的B3LYP泛函。採用神經網路模型校正了O3LYP泛函計算的生成熱，並尋找了新的O3LYP泛函參數。這些統計方法都成功的降低了原始密度泛函理論的計算誤差。採用二十種理論計算有機化合物的生成熱，找到了最優的計算體系生成熱的密度泛函方法。
