EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Data-Driven Improvement of Local Hybrid Functionals: Neural-Network-Based Local Mixing Functions and Power-Series Correlation Functionals

Artur Wodyński, Kilian Glodny, Martin Kaupp iD

Journal of Chemical Theory and Computation · 28.01.2025 · 21 (2) · 762-775

DOI: 10.1021/acs.jctc.4c01503 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Chemical Theory and Computation, online erschienen am 13.01.2025. Verfasst von Artur Wodyński und 2 weiteren Autor:innen. Beteiligte Einrichtung: Technische Universitát Berlin, Institut für Chemie, Theoretische Chemie/Quantenchemie, Sekr. C7, Straße des 17. Juni 135, Berlin D-10623, Germany. Die Arbeit wurde bisher 11-mal zitiert (Crossref) und nennt 113 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Deutsche Forschungsgemeinschaft.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Autor:innen und Institutionen

  • Technische Universitát Berlin, Institut für Chemie, Theoretische Chemie/Quantenchemie, Sekr. C7, Straße des 17. Juni 135, Berlin D-10623, Germany.

ORCID-Profile: Martin Kaupp

Förderung

  • Deutsche Forschungsgemeinschaft

Zitieren

APA

Wodyński, A., Glodny, K., & Kaupp, M. (2025). Data-Driven Improvement of Local Hybrid Functionals: Neural-Network-Based Local Mixing Functions and Power-Series Correlation Functionals. Journal of Chemical Theory and Computation, 21(2), 762-775. https://doi.org/10.1021/acs.jctc.4c01503

Vancouver

Wodyński A, Glodny K, Kaupp M. Data-Driven Improvement of Local Hybrid Functionals: Neural-Network-Based Local Mixing Functions and Power-Series Correlation Functionals. Journal of Chemical Theory and Computation. 2025;21(2):762-775. doi:10.1021/acs.jctc.4c01503

BibTeX
@article{Wodyski2025,
  author = {Wodyński, Artur and Glodny, Kilian and Kaupp, Martin},
  title = {Data-Driven Improvement of Local Hybrid Functionals: Neural-Network-Based Local Mixing Functions and Power-Series Correlation Functionals},
  journal = {Journal of Chemical Theory and Computation},
  year = {2025},
  volume = {21},
  number = {2},
  pages = {762--775},
  doi = {10.1021/acs.jctc.4c01503}
}
Kostenlos starten →