머신러닝으로 밀도 함수학습하면서 화학퍼텐셜을 동시에 추정하는 혁신적 방법

초록

본 연구는 신경망을 이용해 고전적 밀도 함수 이론의 보편적인 1‑body 직접 상관 함수(c₁)를 학습하면서, 그와 동시에 다양한 비균일 시스템들의 화학퍼텐셜(µ)을 별도 계산 없이 추정한다. Euler‑Lagrange 방정식에 기반한 손실 함수(L_EL)를 최소화함으로써, µ와 c₁을 공동 최적화하고, 이를 하드 로드와 3차원 Lennard‑Jones 유체에 적용해 기존 Widom 삽입법이나 그랜드 캐노니컬 시뮬레이션과 동등한 정확도를 확인하였다.

상세 분석

이 논문은 고전적 밀도 함수 이론(classical density functional theory, DFT)의 핵심 객체인 1‑body 직접 상관 함수 c₁(r;