密度泛函理论 (DFT) 是最流行的电子结构方法，但许多泛函仅针对有限的特定化学性质组进行优化，很少有泛函可用于准确预测复杂化学应用所需的所有性质。

在这里，来自华东师范大学和湖南师范大学的研究团队使用物理描述符、广泛的数据库和监督学习，来系统优化灵活的密度泛函的函数形式，包括对分子力学阻尼色散项的同时优化。

研究人员优化了一个称为 CF22D 的单杂化（singly hybrid）泛函，它比大多数现有的非双杂化泛函具有更高的化学精度，通过使用灵活的泛函形式，将依赖于密度和已占轨道的全局杂化元不可分离梯度近似与依赖于几何形状的阻尼色散项结合起来。通过使用大型数据库和性能触发的迭代监督训练来优化此能量函数。结合了几个数据库创建了一个非常大的组合数据库，该数据库的使用证明了 CF22D 在势垒高度、异构化能、热化学、非共价相互作用、自由基和非自由基化学、小型和大型系统、简单和复杂系统以及过渡金属化学方面的良好性能。

该研究以「Supervised learning of a chemistry functional with damped dispersion」为题，于 2022 年 12 月 23 日发布在《Nature Computational Science》上。

图片

论文链接：https://www.nature.com/articles/s43588-022-00371-5

内容中包含的图片若涉及版权问题，请及时与我们联系删除