Skip to main content
QUICK REVIEW

[論文レビュー] Semi-classical limit of the Levy-Lieb functional in Density Functional Theory

Mathieu Lewin|arXiv (Cornell University)|Jun 1, 2017
Random Matrices and Applications参考文献 16被引用数 50
ひとこと要約

本論文は、Bindini-De Pascale正規化を混合量子フェルミ状態へ拡張して、DFTにおける Levy-Lieb 関数の半古典極限を証明し、それをクーロンコストを伴う多重 marginals 最適輸送と結びつける。

ABSTRACT

In a recent work, Bindini and De Pascale have introduced a regularization of $N$-particle symmetric probabilities which preserves their one-particle marginals. In this short note, we extend their construction to mixed quantum fermionic states. This enables us to prove the convergence of the Levy-Lieb functional in Density Functional Theory , to the corresponding multi-marginal optimal transport in the semi-classical limit. Our result holds for mixed states of any particle number $N$, with or without spin.

研究の動機と目的

  • DFTにおいて1粒子密度を保持しつつN粒子フェルミ状態を正規化する必要性を動機づける。
  • 既存のボース正規化を混合フェルミ状態へ拡張し、厳密な半古典解析を可能にする。
  • 半古典極限における Levy-Lieb 関数の多重クーロン輸送へ収束を確立する。

提案手法

  • 対称なN粒子密度を正規化しつつ1粒子密度 ρ_P を保持する量子拡張 Gamma_epsilon を導入する。
  • 局在化関数 χ_ε と Slater 符号定量を用いて反対称性を確保する混合フェルミ状態として Gamma_epsilon を構成する。
  • Trace(-Δ) Gamma_epsilon = N [ ∫ |∇√ρ_P|^2 + (1/ε^2) ∫ |∇χ|^2 ] を満たすことを示し、(1.6) を確立する。
  • 対称的な Φ に関する期待値が P の古典的期待値に収束することを、明示的な誤差界量 (1.7) とともに示す。
  • この構成を適用して、DFT における Levy-Lieb 関数の半古典極限結果を導出する。

実験結果

リサーチクエスチョン

  • RQ1Bindini-De Pascale 型正規化をボース状態から混合フェルミ状態へ拡張しても、同じ1粒子密度を保持できるか。
  • RQ2拡張された正規化は運動エネルギーを制御し、半古典極限(η→0)で Levy-Lieb 関数の収束を可能にするか。
  • RQ3Levy-Lieb 関数の半古典極限を多重クーロン輸送問題で特徴づけられるか。
  • RQ4量子混合状態から半古典輸送極限へ移行する際の定量的誤差見積はどのようになるか。

主な発見

  • 著者らは ρ_P から1粒子密度を保存するフェルミ混合状態拡張 Gamma_epsilon を定義する。
  • 彼らは正確な運動エネルギー恒等式 Tr(-Δ) Gamma_epsilon = N(integral |∇√ρ_P|^2 + (1/ε^2) ∫|∇χ|^2) を証明する。
  • Gamma_epsilon が縮退密度と期待値の意味で古典的 N 粒子密度 P へ収束することを確立する((1.7) を介して)。
  • 半古典的スケーリングでは Levy-Lieb 関数を η で割った値が多重クーロン輸送エネルギーとそのエネルギー+O(√η) および O(η) の間に挟まれる。
  • 主な半古典結果は η→0 のとき E_OT(ρ) ≤ E(η^3 ρ(η⋅))/η ≤ E_OT(ρ) + C(√η + η) を満たし、DFT を多重最適輸送問題へ結びつける。

より良い研究を、今すぐ始めましょう

論文設計から論文執筆まで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。