머신러닝으로 밀도 함수 찾기

본 논문은 머신러닝(ML)을 이용해 밀도 함수 이론(DFT)에서 핵심적인 함수인 비상호작용 전자들의 운동에너지(KE) 함수를 근사하는 새로운 방법론을 제시한다. 연구의 출발점은 현재 DFT에서 가장 큰 불확실성 원인인 교환‑상관(XC) 에너지와 비상호작용 KE를 어떻게 정확히 표현하느냐에 있다. 전통적인 접근법은 물리적 직관에 기반한 형태를 가정하고 소수의 파라미터를 피팅하는 반면, ML은 고차원 데이터에서 패턴을 자동으로 학습한다는 장점을 갖는다. 연구 대상은 1차원 박스(0≤x≤1) 안에 N(1~4)개의 비상호작용 스핀 없는 페르미온을 배치하고, 외부 퍼텐셜 v(x)를 세 개의 가우시안 딥을 선형 결합한 형태(v(x)=−∑_{i=1}^3 a_i exp