搜索结果: 1-2 共查到“理学 B3LYP”相关记录2条 . 查询时间(0.049 秒)
结合神经网络方法和扩大训练基组构建新B3LYP泛函
B3LYP泛函 神经网络 描述符 训练基组
<
2009/12/3
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的神经网络结构. 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....