Long Range Parameter Optimization For The Description Of Potential Energy Surfaces Using Density Functional Theory
Details
- Presentation type: Apresentação de Pôster / Poster Communications
- Track: Density Functional Theory
- Keywords: Long Range Parameter; Density Functional Theory; potential energy surfaces;
- 1 Instituto de Ciências Exatas / Universidade de Brasília
Long Range Parameter Optimization For The Description Of Potential Energy Surfaces Using Density Functional Theory
Matheus de Oliveira Bispo
Instituto de Ciências Exatas / Universidade de Brasília
Abstract
Our study was based on ω parameter opimization done in optical gap corrections, but applied to PESs.
By performing the optimization, we obtained the PES description with expected accuracy.
The best performing functionals analyzed were ωB97XD and LC-BLYP.
This research concludes that optimized DFT can obtain results similar to post-HF methods.
More research is needed to fully asses ω optimization as a viable method for PES descriptions.
Streamline your Scholarly Event
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
Matheus de Oliveira Bispo
Olá Raissa! Eu que agradeço pelos comentários!
As curvas "pré-otimização" surgiram realizando os cálculos com o valor padrão. Depois, o programa desenvolvido fez uma comparação (por meio do erro médio quadrático ou do erro máximo absoluto) das duas SEPs. Utilizando um algoritmo de minimização (desenvolvido por Nelder e Mead [1]), o programa calculou outros valores desse parâmetro ômega que minimizassem uma dessas discrepâncias. No final, as duas métricas resultaram em valores muito similares de ômega, portanto as SEPs geradas pelas duas métricas de erro não diferiam muito.
Yuri Alexandre Aoto
Olá Matheus, tudo bem? Gostaria de entender também com um pouco mais de detalhe como foi essa otimização: imagino que você otimizou o ω para cada funcional, certo? (ou seja tem um ω otimizado para cada funcional, não o mesmo ω). E com relação às curvas, é um ω para cada curva (radial e angular) ou um para as duas?
Alám disso, qual valor (ou valores) de ω você obteve? Se comparar com o padrão para esses funcionais, é maior ou menor? Muda muito? Dá para interpretar fisicamente essa mudança?
Matheus de Oliveira Bispo
Olá Yuri! Cada funcional foi otimizado separadamente, logo um valor de ômega ótimo para cada um. Além disso, o mesmo ômega foi utilizado para as duas curvas, i.e. um ômega pra superfície inteira de cada funcional. Já os valores obtidos após a otimização variam bastante de funcional para funcional. Uns mudam muito, outros pouco. Uns aumentam, outros diminuem. A interpretação física que eu daria para essa mudança seria que certas aproximações do funcional de troca-correlação levam mais em consideração uma das regiões de alcançe (curto ou longo, dependendo do funcional). Essa correção é dada pelo ômega, sendo que quando maior o ômega, mais próximo do curto alcançe essa correção ocorre. Por exemplo, um dos funcionais (wb97xd) teve uma diminuição do valor de ômega (de 0,30 bohr⁻¹ para 0,25 bohr⁻¹), o que significa que a versão padrão dele não contempla bem as interações de longo alcançe, assim subestimando a profundiade dos poços (como pode ser visto no vídeo).