Genaue elektronische Energien mit maschinellem Lernen vorhersagen

Schreiner und Team haben nun den Unterschied zwischen CCSD(T)- (coupled-cluster singles doubles mit störungstheoretischen Triples) und CCSD-Energien mit zeiteffizienten Techniken des maschinellen Lernens für einen Datensatz organischer Moleküle bestimmt (Δ-SCF, Unterschied von selbstkonsistenen Feldern und Graph des Moleküls im neuronalen Netzwerk). Damit lassen sich CCSD-Energien beliebiger organischer Moleküle um den störungstheoretischen Triples-Beitrag ergänzen. Das könnte etwa thermochemische Daten aus Experimenten mit vergleichsweise wenig Rechenzeitaufwand für eine hohe Genauigkeit bestätigen.

CCSD(T) sind der Goldstandard, um die elektronische Energie von Molekülen mit chemischer Genauigkeit zu berechnen. Allerdings ist die Rechenzeit damit länger als zum Beispiel für Dichtefunktionaltheorie oder die CCSD-Methode. AB

• J. Chem. Theory Comput. 2022, 18, 4846

Wissenschaft + Forschung