Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Теорія функціоналу густини× | Квантовий метод Монте-Карло× | |
|---|---|---|
| Галузь | Квантові обчислення | Квантові обчислення |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 1965 | 1953 |
| Автор методу≠ | Walter Kohn | Nicholas Metropolis and colleagues |
| Тип≠ | Electronic structure method | Monte Carlo simulation |
| Основоположне джерело≠ | Kohn, W., Sham, L. J. (1965). Self-consistent equations including exchange and correlation effects. Physical Review, 140, A1133–A1138. DOI ↗ | Metropolis, N., Rosenbluth, A. W., et al. (1953). Equation of state calculations by fast computing machines. Journal of Chemical Physics, 21, 1087–1092. DOI ↗ |
| Інші назви≠ | DFT, Kohn-Sham equations | QMC, variational Monte Carlo, diffusion Monte Carlo |
| Пов'язані≠ | 4 | 3 |
| Підсумок≠ | Density Functional Theory (DFT) is a computational method for determining the properties of materials and molecules by modeling the ground state electron density. Developed by Walter Kohn and Lu Jeu Sham in the 1960s, DFT reduces the complexity of quantum chemistry from tracking individual electron coordinates to optimizing the total electron density, enabling efficient simulations of large molecular and condensed-matter systems. | Quantum Monte Carlo (QMC) is a stochastic computational method for computing ground state properties of quantum many-body systems. Combining classical Monte Carlo sampling with quantum mechanics, QMC approaches are among the most accurate methods available for electronic structure and condensed matter physics, achieving sub-percent accuracy for many systems. |
| ScholarGateНабір даних ↗ |
|
|