Learning to Converge: Warm-Starting DFTB Self-Consistent Charges with Machine Learning
यह शोध पत्र एक मशीन लर्निंग दृष्टिकोण प्रस्तुत करता है जो इष्टतम प्रारंभिक परमाणु आवेशों (atomic charges) की भविष्यवाणी करके डेंसिटी-फंक्शनल टाइट-बाइंडिंग (DFTB) सिमुलेशन को त्वरित करता है, जिससे विविध रासायनिक प्रणालियों में स्व-सुसंगत आवेश गणनाओं (self-consistent charge calculations) के अभिसरण (convergence) में महत्वपूर्ण सुधार होता है।