Machine Learning pour une densité de paires supérieure

Cette séance de cours explore le concept de densité de paires sans spin, qui représente la probabilité que deux électrons soient dans la même position dans un système de n molécules. L'instructeur discute des défis des systèmes de modélisation à fort caractère multi-configuration et de l'importance de comprendre la corrélation électronique. L'utilisation de l'apprentissage automatique, en particulier la régression gaussienne des processus, pour prédire la densité des paires sans spins est détaillée, ainsi que la création d'une base spécialisée pour améliorer la précision. La séance de cours montre comment cette approche peut modéliser avec précision des structures électroniques à haute corrélation, fournissant des résultats de qualité de référence. L'application de cette méthode à des systèmes plus grands et l'importance de l'apprentissage local pour l'évolutivité sont également mises en évidence.