Density-functional theory vs density-functional fits: The best of both
Notice bibliographique
Résumé
In a recent paper [A. D. Becke, J. Chem. Phys. 156, 214101 (2022)], we compared two Kohn-Sham density functionals based on physical modeling and theory with the best density-functional power series fits in the literature. With only a handful of physically motivated pre-factors, our functionals matched, and even slightly exceeded, the performance of the best power-series functionals on the general main group thermochemistry, kinetics, and noncovalent interactions (GMTKN55) chemical database of Goerigk et al. [Phys. Chem. Chem. Phys. 19, 32184 (2017)]. This begs the question: how much can their performance be improved by adding power-series terms of our own? We address this question in the present work. First, we describe a series expansion variable that we believe contains more local physics than any other variable considered to date. Then we undertake modest, one-dimensional fits to the GMTKN55 data with our theory-based functional corrected by power-series exchange and dynamical correlation terms. We settle on 12 power-series terms (plus six parent terms) and achieve the lowest GMTKN55 "WTMAD2" error yet reported, by a substantial margin, for a hybrid Kohn-Sham density functional. The new functional is called "B22plus."
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».