| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 机器学习概述 | 第9-10页 |
| 1.2 机器学习在生活中及各学科中的应用及研究 | 第10-11页 |
| 1.3 机器学习在密度泛函领域国内外研究现状和发展趋势 | 第11-13页 |
| 1.4 本课题研究意义 | 第13-14页 |
| 1.5 本课题工作内容以及创新性 | 第14页 |
| 参考文献 | 第14-19页 |
| 第二章 基本知识 | 第19-35页 |
| 2.1 量子力学基础 | 第19-21页 |
| 2.2 密度泛函理论基础 | 第21-23页 |
| 2.2.1 Thomas-Fermi-Dirac近似 | 第22页 |
| 2.2.2 Hohenberg-Kohn理论 | 第22-23页 |
| 2.2.3 Kohn-Sham方程 | 第23页 |
| 2.3 交换-相关近似泛函 | 第23-25页 |
| 2.3.1 局域密度近似 | 第23-24页 |
| 2.3.2 广义梯度近似 | 第24页 |
| 2.3.3 长程交换相关项规则 | 第24-25页 |
| 2.4 机器学习简介及理论基础 | 第25-30页 |
| 2.4.1 自动编码器 | 第26-27页 |
| 2.4.2 人工神经简介 | 第27-28页 |
| 2.4.3 人工神经网络的基本模型 | 第28-30页 |
| 2.5 遗传算法 | 第30页 |
| 参考文献 | 第30-35页 |
| 第三章 机器学习训练 | 第35-47页 |
| 3.1 训练数据库 | 第35-37页 |
| 3.2 分子描述符和预训练 | 第37-39页 |
| 3.3 计算方法 | 第39-40页 |
| 3.4 神经网络训练 | 第40-42页 |
| 3.5 结果与讨论 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 第四章 神经网络测试 | 第47-55页 |
| 4.1 测试数据库 | 第47-48页 |
| 4.2 测试过程及结果 | 第48-51页 |
| 4.3 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-57页 |
| 在读期间发表的学术论文与取得的研究成果 | 第57页 |