密度泛函理论(DFT)简介
密度泛函理论(DFT)简介
密度泛函理论(Density Functional Theory,DFT)是一种现代量子力学计算方法,广泛应用于原子、分子和固体材料的电子结构研究。
DFT 的基本思想:
与传统量子力学基于多电子波函数 \(\Psi(\mathbf{r}\_1, \mathbf{r}\_2, \dots, \mathbf{r}\_N)\) 的形式不同,DFT 使用电子密度 \(\rho(\mathbf{r})\) 作为描述系统的基本量,从而显著减少计算维度(从 \(3N\) 个变量降为 3 个变量)。
Born-Oppenheimer 近似与哈密顿量
我们考虑一个包含 \(N\) 个电子的系统,假设原子核静止不动(Born-Oppenheimer 近似),则系统的电子哈密顿量如下:
\]
具体展开为:
电子动能项:
\[\hat{T}_e = -\frac{1}{2} \sum_{i=1}^N \nabla_i^2
\]电子与外部势(原子核)相互作用项:
\[\hat{V}_{\text{ext}} = \sum_{i=1}^N v_{\text{ext}}(\mathbf{r}_i)
\]电子之间的库伦排斥项:
\[\hat{V}_{ee} = \sum_{1 \le i < j \le N} \frac{1}{|\mathbf{r}_i - \mathbf{r}_j|}
\]
目标是解薛定谔方程:
\]
Hohenberg-Kohn 定理(一)完整推导
定理一内容:
给定一个体系的基态电子密度 \(\rho\_0(\mathbf{r})\),它唯一地确定系统的外部势 \(v\_{\text{ext}}(\mathbf{r})\)(在常数差之外),进而唯一确定基态波函数与系统的所有物理性质。
推导过程(反证法):
假设存在两个不同的外部势:
- \(v(\mathbf{r})\) → 对应基态波函数 \(\psi\)
- \(v'(\mathbf{r})\) → 对应基态波函数 \(\psi'\)
它们满足以下条件:
对应的哈密顿量不同:
\[\hat{H} = \hat{T} + \hat{V} + \hat{U}, \quad \hat{H}' = \hat{T} + \hat{V}' + \hat{U}
\]其中 \(\hat{U}\) 是电子之间的相互作用(相同),\(\hat{T}\) 是动能算符(也相同),不同的是外部势 \(\hat{V}\) 和 \(\hat{V}'\)。
它们的基态密度相同:
\[\rho(\mathbf{r}) = \langle \psi | \hat{\rho}(\mathbf{r}) | \psi \rangle = \langle \psi' | \hat{\rho}(\mathbf{r}) | \psi' \rangle
\]
下面我们来推导矛盾:
第一步:由变分原理出发
由于 \(\psi\) 是 \(\hat{H}\) 的基态波函数,且 \(\psi' \ne \psi\),由变分原理可得:
\]
同理,\(\psi'\) 是 \(\hat{H}'\) 的基态波函数,得:
\]
第二步:展开哈密顿量期望值
记住:
\]
我们可以分别写出:
对于 \(\psi'\) 在 \(\hat{H}\) 上的期望:
\[\langle \psi' | \hat{H} | \psi' \rangle = \langle \psi' | \hat{T} + \hat{U} | \psi' \rangle + \langle \psi' | \hat{V} | \psi' \rangle
\]对于 \(\psi\) 在 \(\hat{H}'\) 上的期望:
\[\langle \psi | \hat{H}' | \psi \rangle = \langle \psi | \hat{T} + \hat{U} | \psi \rangle + \langle \psi | \hat{V}' | \psi \rangle
\]
因为 \(\psi\) 与 \(\psi'\) 的电子密度相同,即:
\langle \psi' | \hat{V} | \psi' \rangle = \int \rho(\mathbf{r}) v(\mathbf{r})\, d\mathbf{r}
\]
第三步:合并两个不等式
结合两边不等式:
\]
\]
将两式相加得到:
\]
这是一个显然的矛盾!
结论:
因此假设不成立,两个不同的外势不可能产生相同的基态密度。这就证明了:
一个基态电子密度 \(\rho(\mathbf{r})\) 唯一确定外势 \(v\_{\text{ext}}(\mathbf{r})\)(加常数无关),从而唯一确定哈密顿量与系统基态。
Hohenberg-Kohn 定理(二)
定理二基于变分原理指出:
基态能量是电子密度泛函的最小值:
\]
这为 DFT 提供了一个“能量极小化”原则——通过试探不同密度函数并极小化能量,可以找到真实的基态密度与能量。
Kohn-Sham 方法(KS 方法)
虽然 H-K 定理具有深远意义,但并没有给出具体的计算框架。Kohn-Sham 方法则提供了 DFT 在实际计算中的实现路径。
核心思想
将多电子相互作用体系简化为非交互单电子系统,使用一个有效势来模拟电子之间的相互作用。
Kohn-Sham 方程:
\]
其中有效势:
\]
- \(v\_H\):经典库伦排斥(Hartree 势)
- \(v\_{xc}\):交换-关联势(引入了电子交换与量子关联)
KS 总能量表达式:
\]
PPT链接:
https://1drv.ms/p/c/7a3fa4b8d46fdfb3/EfMuSbK1HxRAp7GN4NaryI8BVsm_daEoBcCOasGnezfI0A?e=plWldu
密度泛函理论(DFT)简介的更多相关文章
- Spring Boot 基础,理论,简介
Spring Boot 基础,理论,简介 1.SpringBoot自动装配 1.1 Spring装配方式 1.2 Spring @Enable 模块驱动 1.3 Spring 条件装配 2.自动装配正 ...
- (数据科学学习手札15)DBSCAN密度聚类法原理简介&Python与R的实现
DBSCAN算法是一种很典型的密度聚类法,它与K-means等只能对凸样本集进行聚类的算法不同,它也可以处理非凸集. 关于DBSCAN算法的原理,笔者觉得下面这篇写的甚是清楚练达,推荐大家阅读: ht ...
- 加密第四节_IPSec基本理论
加密第四节_IPSec基本理论 本节内容 IPSec简介 IPSec两种工作模式 判断隧道模式和传输模式 IPSec两种模型 IPSec两个数据库 IPSec基本理论 IPSec简介 提供了网络层的安 ...
- 密度峰值聚类算法MATLAB程序
密度峰值聚类算法MATLAB程序 凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 密度峰值聚类算法简介见:[转] 密度峰值聚类算法(DPC) 数据见:MATL ...
- cap理论与分布式事务的解决方案
现在很火的微服务架构所设计的系统是分布式系统.分布式系统有一个著名的CAP理论,即一个分布式系统要同时满足一致性(Consistency).可用性(Availablility)和分区容错(Partit ...
- 小D课堂 - 新版本微服务springcloud+Docker教程_3-02CAP理论知识
笔记 2.分布式应用知识CAP理论知识 简介:讲解分布式核心知识CAP理论 CAP定理: 指的是在一个分布式系统中,Consistency(一致性). Availabi ...
- 小D课堂 - 新版本微服务springcloud+Docker教程_1_01课程简介
笔记 ============================================= SpringCloud课程笔记.txt 第一章 课程介绍和学习路线 1.微服务架构SpringClou ...
- 石墨烯(转自wiki)
石墨烯(Graphene)是一种由碳原子以sp2杂化轨道组成六角型呈蜂巢晶格的平面薄膜,只有一个碳原子厚度的二维材料[1].石墨烯一直被认为是假设性的结构,无法单独稳定存在[1],直至2004年,英国 ...
- 傅里叶变换 - Fourier Transform
傅里叶级数 傅里叶在他的专著<热的解析理论>中提出,任何一个周期函数都可以表示为若干个正弦函数的和,即: \[f(t)=a_0+\sum_{n=1}^{\infty}(a_ncos(n\o ...
- class-支持向量机SVM全析笔记
support vector machines,SVM是二类分类模型.定义在特征空间上间隔最大的线性分类器,由于包括核技巧实质上成为非线性分类器.学习策略是间隔最大化,可形式化为求解凸二次规划问题(c ...
随机推荐
- Asp.net mvc基础(十)判断是否是ajax请求
通过Request.IsAjaxRequest()方法进行判断是否是ajax的请求,true是ajax的请求,false不是ajax的请求 后端: 前端: 效果: 使用Request.IsAjaxRe ...
- DPDI Online在线kettle调度工具
1. DPDI简介 DPDI Online 是一款基于Kettle的强大在线任务调度平台,凭借其高效与灵活性,专为调度和监控Kettle客户端生成的ETL任务而设计 2. DPDI使用 2.1 DPD ...
- 解密prompt系列53. 再谈大模型Memory
上一章畅想里面我们重点提及了大模型的记忆模块,包括模型能否持续更新记忆模块,模型能否把持续对记忆模块进行压缩更新在有限的参数中存储更高密度的知识信息,从而解决有限context和无限知识之间的矛盾.这 ...
- sql学习day3——case when的使用
1,当前表 course_master open_course ...
- 【记录】Python爬虫|爬取空间PC版日志模板
目录 效果 运行结果 模板中免费的部分 损坏的模板 小彩蛋 代码 问题及解决方式 1. 返回数据_callback({})而非json 2. 获取封面图链接 注:2021/7/30做 效果 运行结果 ...
- Linux系列:聊一聊 SystemV 下的进程间共享内存
一:背景 1. 讲故事 昨天在分析一个 linux 的 dump 时,看到了这么一话警告,参考如下: 0:000> !eeheap -gc *** WARNING: Unable to veri ...
- Java应用出现 Public Key Retrieval is not allowed 报错的常见原因和解决方法
问题现象 Java 应用在运行过程中突然报java.sql.SQLNonTransientConnectionException: Public Key Retrieval is not allowe ...
- MySQL保姆级安装教程(附资源包+5分钟极速配置+环境变量调试技巧)
mysql简介 MySQL 是一种开源关系型数据库管理系统(RDBMS),由瑞典 MySQL AB 公司于 1995 年开发,现由 Oracle 公司维护.它采用客户端-服务器架构,支持多线程处理和高 ...
- eclipse左边窗口再次出现的方法
1.WindowsShow ViewOtherProject Explorer 2.WindowsShow ViewProject Explorer
- 集合操作交并补的三种Java实现
基本概念 为了便于理解,下面首先介绍集合的三个基本操作:并集.交集和补集. 并集:以属于A或属于B的元素为元素的集合称为A与B的并(集),记作A∪B(或B∪A),读作"A并B" ...