|国家科技期刊平台
| 注册
首页|期刊导航|物理学报|结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能

结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能

杨章章 刘丽 万致涛 付佳 樊群超 谢锋 张燚 马杰

物理学报2023，Vol.72Issue(7)：172-180,9.
✕
物理学报2023，Vol.72Issue(7)：172-180,9.DOI:10.7498/aps.72.20221953

结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能

Combining machine learning algorithm to improve prediction performance of ab initio method for vibrational energy spectra of HF/HBr/H35Cl/Na35Cl

杨章章 1刘丽 1万致涛 1付佳 1樊群超 1谢锋 2张燚 3马杰4

作者信息

  • 1. 西华大学理学院,高性能科学计算四川省高校重点实验室,成都 610039
  • 2. 清华大学核能与新能源技术研究院、先进核能技术协同创新中心、先进反应堆工程与安全教育部重点实验室,北京 100084
  • 3. 国防科技大学,前沿交叉学科学院,长沙 410073
  • 4. 山西大学物理与电子工程学院,量子光学与量子光学器件国家重点实验室,太原 030006
  • 折叠

摘要

关键词

振动能谱/从头算/机器学习/卤素分子

引用本文复制引用

杨章章,刘丽,万致涛,付佳,樊群超,谢锋,张燚,马杰..结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能[J].物理学报,2023,72(7):172-180,9.

基金项目

国家自然科学基金(批准号:11904295)、四川省科学技术计划(批准号:2021ZYD0050)和极端光学协同创新中心开放研究基金项目(批准号:KF2020003)资助的课题. （批准号:11904295）

物理学报

OA北大核心CSCDCSTPCD

1000-3290

访问量0
|
下载量0
段落导航相关论文