필드 이론 원자 모델로 DFT 대체 학습

초록

본 논문은 외부 전위 vₑₓₜ(r)를 중심으로 하는 필드 이론 원자학(FTA) 프레임워크를 제안한다. Hohenberg‑Kohn 정리의 에너지 맵을 머신러닝으로 학습하면서 열역학적 극한과 변분 일관성을 동시에 만족한다. 학습된 모델은 에너지·힘·전자밀도·전기쌍극·사분극을 정확히 예측하며, 최신 머신러닝 포텐셜과 경쟁한다.

상세 분석

이 연구는 전통적인 인터아톰 포텐셜(IP)이 구조를 입력으로 에너지와 힘만을 예측하는 한계를 극복하고자, 전자구조 이론의 근본인 Hohenberg‑Kohn(HK) 정리를 직접 활용한다는 점에서 혁신적이다. HK 정리는 외부 전위 vₑₓₜ(r)와 전자 에너지 Eₑ 사이의 일대일 대응을 보장하지만, 기존 IP 설계에서는 이 매핑을 무시하고 원자 위치와 종류만을 이용한다. 저자들은 외부 전위를 핵 전위와 전자-핵 상호작용을 포함한 ‘보조 전위’ v_aux(r)와 ‘보조 전하’ b_s(r)라는 두 개의 필드로 재정의하고, 이를 통해 전체 포텐셜 E가 열역학적 한계(무한 원자 수에서도 에너지당 원자당 에너지 수렴)와 변분 일관성(밀도와 힘이 에너지의 함수 미분으로 정확히 얻어짐)을 만족하도록 설계하였다.

핵심 수학적 전개는 다음과 같다. 기존 DFT 변분식 Eₑ