Machine learning and density functional theory
Machine learning and density functional theory
复制标题
机器学习和密度泛函理论
DOI：
10.1038/s42254-022-00470-2
复制
发表时间：
2022
影响因子：
38.5
通讯作者：
Burke, Kieron
中科院分区：
文献类型：
--
作者：
Pederson, Ryan;Kalita, Bhupalee;Burke, Kieron
在过去的十年中，机器学习在近似密度泛函方面取得了重大进展，但这是否标志着人类设计泛函的终结还有待观察。Ryan Pederson、Bhupalee Kalita和Kieron Burke讨论了机器学习在功能设计中的兴起。
Over the past decade machine learning has made significant advances in approximating density functionals, but whether this signals the end of human-designed functionals remains to be seen. Ryan Pederson, Bhupalee Kalita and Kieron Burke discuss the rise of machine learning for functional design.
影响因子：
56.9
作者：
Kirkpatrick, James;McMorrow, Brendan;Cohen, Aron J.
通讯作者：
Cohen, Aron J.
影响因子：
8.6
作者：
Li, Li;Hoyer, Stephan;Burke, Kieron
通讯作者：
Burke, Kieron
影响因子：
16.6
作者：
Brockherde F;Vogt L;Li L;Tuckerman ME;Burke K;Müller KR
通讯作者：
Müller KR