Elektronenstruktur angelernt : Dichtefunktionaltheorie und Maschinelles Lernen für Moleküle

Die Dichtefunktionaltheorie (DFT) ist spätestens seit den 1990er‐Jahren ein gängiges Werkzeug der Quantenchemie und der Materialforschung. Inzwischen kommt Maschinelles Lernen als weiteres Werkzeug hinzu, das sich mit der DFT kombinieren lässt. Dieser Beitrag stellt verschiedene Strategien hierfür vor. Vor allem ergänzt das Maschinelle Lernen die empirische Seite, zum Beispiel bei der Entwicklung neuer Funktionale als zentrale Bausteine. Auch in der Verfeinerung der DFT‐Ergebnisse kann Maschinelles Lernen gewinnbringend eingesetzt werden.

Angaben zum Objekt

• Standort: Deutsche Nationalbibliothek Frankfurt am Main
• Umfang: Online-Ressource
• Sprache: Deutsch

Verweise und Beziehungen

• Erschienen in: Elektronenstruktur angelernt ; day:23 ; month:09 ; year:2024 ; extent:6 ; Physik in unserer Zeit ; (23.09.2024) (gesamt 6)

Beteiligte, Orts- und Zeitangaben

• Urheber: von Rudorff, Guido Falk

Weitere Informationen

• DOI: 10.1002/piuz.202401717
• URN: urn:nbn:de:101:1-2409231424379.700852081222
• Rechteinformation: Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Letzte Aktualisierung: 15.08.2025, 07:24 MESZ