| 结合神经网络方法和扩大训练基组构建新B3LYP泛函 |
| |
| 引用本文： | 张家虎,王秀军.结合神经网络方法和扩大训练基组构建新B3LYP泛函[J].物理化学学报,2010,26(1):188-192. |
| |
| 作者姓名： | 张家虎 王秀军 |
| |
| 作者单位： | Department of Applied Chemistry, College of Chemistry and Chemical Engineering, South China University of Technology, Guangzhou 510640, P. R. China |
| |
| 摘 要： | 神经网络方法成功地应用于修正密度泛函理论B3LYP方法中的三个参数(a0、ax和ac)以构建新B3LYP交换相关泛函.本文采用包含输入层、隐藏层和输出层的三层式神经网络结构.总电子数、多重度、偶极矩、动能、四极矩和零点能被选为物理描述符.296个能量数据被随机地分成两组,246个能量数据作为训练集以确定神经网络的最优结构和最优突触权重,50个能量数据作为测试集以测试神经网络的预测能力.修正后的三个参数觔0、觔x、觔c从输出层处得到,并用于计算体系的热化学性质如原子化能(AE)、电离势(IP)、质子亲合能(PA)、总原子能(TAE)和标准生成热(ΔfH苓).修正后的计算结果优于传统B3LYP/6-311+G(3df,2p)方法的计算结果.经过神经网络修正后,296个物种的总体均方根偏差从41.0 kJ.mol-1减少到14.2 kJ.mol-1.
|
| 关 键 词： | B3LYP泛函 神经网络 描述符 训练基组 |
| 收稿时间： | 2009-08-04 |
| 修稿时间： | 2009-10-17 |
Neural Network Approach for a New B3LYP Functional with an Enlarged Training Set |
| |
| ZHANG Jia-Hu,WANG Xiu-Jun.Neural Network Approach for a New B3LYP Functional with an Enlarged Training Set[J].Acta Physico-Chimica Sinica,2010,26(1):188-192. |
| |
| Authors: | ZHANG Jia-Hu WANG Xiu-Jun |
| |
| Institution: | Department of Applied Chemistry, College of Chemistry and Chemical Engineering, South China University of Technology, Guangzhou 510640, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《物理化学学报》浏览原始摘要信息 |
| 点击此处可从《物理化学学报》下载免费的PDF全文 |
|
