MétaCan
Menu
Retour à la cohorte
Enregistrement W1558078137

Computing the Kinetic Energy from Electron Distribution Functions

2012· dissertation· en· W1558078137 sur OpenAlexfundno aff
Debajit Chakraborty

Notice bibliographique

RevueMacSphere (McMaster University) · 2012
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésKinetic energyStatistical physicsPhysicsComputer scienceClassical mechanics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Approximating the kinetic energy as a functional of the electron density is a daunting, but important, task. For molecules in equilibrium geometries, the kinetic energy is equal in magnitude to the total electronic energy, so achieving the exquisite accuracy in the total energy that is needed for chemical applications requires similar accuracy for the kinetic energy functional. For this reason, most density functional theory (DFT) calculations use the Kohn-Sham method, which provides a good estimate for the kinetic energy. But the computational cost of Kohn-Sham DFT calculations has a direct dependence on the total number of electrons because the Kohn-Sham method is based on the orbital picture, with one orbital per electron. Explicit density functionals, where the kinetic energy is written explicitly in terms of the density, and not in terms of orbitals, are much faster to compute. Unfortunately, the explicit density functionals in the literature had disappointing accuracy. This dissertation introduces several new approaches for orbital-free density functional methods. One can try to include information about the Pauli principle using the exchange hole. In the weighted density approximation (WDA), a model for the exchange hole is used to approximate the one-electron density matrix, which is then used to compute the kinetic energy. This thesis introduces a symmetric, normalized, weighted density approximation using the exchange hole of the uniform electron gas. Though the key results on kinetic energy are not accurate enough, an efficient algorithm is introduced which, with a more sophisticated hole model, might give better results. The effects of electron correlation on the kinetic energy can be modeled by moving beyond the one-electron distribution function (the electron density) to higherorder electron distributions (k-electron DFT). For example, one can model electron correlation directly using the pair electron density. In this thesis, we investigated two different functionals of the pair density, the Weizsäcker functional and the March-Santamaria functional. The Weizsäcker functional badly fails to describe the accurate kinetic energy due to the N-representability problem. The March-Santamaria functional is exact for a single Slater determinant, but fails to adequately model the effects of electron correlation on the kinetic energy. Finally, we established a relation between Fisher information and Weizsäcker kinetic energy functional. This allowed us to propose generalisations of the Weizsäcker kinetic energy density functional. It is hoped that the link between information theory and kinetic energy might provide a new approach to deriving improved kinetic energy functionals. Keywords: Kinetic energy functional, Density functional theory (DFT), von-Weizsäcker functional, March-Santamaria functional, Thomas-Fermi model, density matrix, Twopoint normalization, Pair-density functional theory (PDFT).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)Même sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207