Последовательная и точная аб initio параметризация поправки дисперсии для функционалов плотности (DFT-D) для 94 элементов H–Pu

A consistent and accurate ab initio parametrization of density functional dispersion correction (DFT-D) for the 94 elements H-Pu
Stefan Grimme, Jens Antony, Stephan Ehrlich, Helge Krieg
2010-04-16

коэффициенты C6DFT-D поправка дисперсиипарно-атомные коэффициенты дисперсиидробные числа координациитрехтельная неаддитивность
Метод поправки дисперсии как дополнение к стандартной теории функционала плотности Конам–Шэма (DFT-D) был усовершенствован для достижения большей точности, более широкого диапазона применимости и уменьшения эмпиричности. Основные новые элементы — это парно-зависимые для атомов коэффициенты дисперсии и радиусы отсечки, оба вычисляемые из первых принципов. Коэффициенты для новых восьмого порядка членов дисперсии вычисляются с использованием установленных рекуррентных соотношений. Впервые в подходе типа DFT-D используется информация, зависящая от системы (геометрии), посредством введения новой концепции дробных координационных чисел (CN). Они используются для интерполяции между коэффициентами дисперсии атомов в разных химических окружениях. Метод требует настройки только двух глобальных параметров для каждого функционала плотности, асимптотически точен для газа слабо взаимодействующих нейтральных атомов и позволяет легко вычислять атомные силы. Учитываются трехтелесные неаддитивные члены. Метод оценён на стандартных наборах эталонов для меж- и внутрiemолекулярных нековалентных взаимодействий с особым акцентом на согласованное описание систем с лёгкими и тяжёлыми элементами. Средние абсолютные отклонения для эталонного набора S22 нековалентных взаимодействий для 11 стандартных функционалов плотности уменьшаются на 15%–40% по сравнению с предыдущей (уже точной) версией DFT-D. Заметные улучшения наблюдаются для модели сворачивания трипептида и для всех протестированных металлических систем. Исправление дальнодействующего поведения и использование более точных коэффициентов C6 также приводят к значительно лучшему описанию больших (бесконечных) систем, как показано на графеновых слоях и адсорбции бензола на поверхности Ag(111). Для графена установлено, что включение трехтелесных членов существенно (примерно на 10%) ослабляет межслойную связность. Мы предлагаем пересмотренный метод DFT-D в качестве универсального инструмента для вычисления энергии дисперсии в молекулах и твердых телах любого типа с использованием DFT и родственных (низкозатратных) методов электронной структуры для больших систем.
1
Бенчмарки: средние абсолютные отклонения для набора S22 уменьшаются на 15%–40% для 11 функционалов; значительные улучшения для модели сворачивания трипептида, металлических систем, графена и бензола на Ag(111); включение трехтелых членов ослабляет межслойное связывание графена примерно на 10%.
2
Вычислены новые коэффициенты дисперсии восьмого порядка с помощью рекуррентных соотношений и учтены трехтелые неабсолютные (nonadditivity) члены.
3
Введено улучшенное поправка DFT-D с попарными атомными коэффициентами дисперсии и радиусами отсечки, вычисленными аб иницио.
4
Предложены долевые (fractional) координационные числа для интерполяции коэффициентов дисперсии в зависимости от химической среды системы.
5
Метод требует только двух глобальных параметров на каждую функциональную плотность, асимптотически точен для газа слабо взаимодействующих нейтральных атомов и позволяет вычислять силы на атомы.

Параметризация поправки дисперсии в теории функционала плотности (DFT-D) для 94 элементов H–Pu

Аб initio определение попарных коэффициентов дисперсии, радиусов отсечки, вклада высших порядков (включая восьмой порядок) и трёхтелесных членов, а также интерполяции по дробным числам координации для создания согласованной, точной и широко применимой схемы DFT-D, снижающей погрешности в невзаимных (нековалентных) взаимодействиях и улучшающей дальнее поведение для молекул и кристаллов

Publication Details
Publication Date
2010-04-16
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Stefan Grimme
Jens Antony
Stephan Ehrlich
Helge Krieg
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%