Skip to main content
Back to top
Ctrl
+
K
合集
合集 分子的电子结构方法与算法
1. Gaussian 中的 PUHF/PMP2 结果的重新实现
2. RMP3 与 RMP4 能量
3. scsRPA 的频域与绝热耦合系数积分实现
4. 轨道旋转 MP2 方法 (OO-MP2) 简单理解
5. 简单实现 CEPA 方法
6. 简单理解 Density Fitting RHF 自洽场
7. 简单理解 Density Fitting RMP2
8. 简单理解 LT-DF SOS RMP2
9. 简单理解 SCF 中的 DIIS
10. 简单理解真正
\(O(N^4)\)
的 MP2 方法:LS-THC-MP2
简短笔记
1. Python 散点绘图的平滑方法:差值与拟合
2. Terraria 1.4:为何说专家模式比大师模式困难?单人模式 Boss 血量、攻击数值的初步计算方式
3. 诸闭壳层量子化学方法的密度矩阵
4. Rutishauser–Romberg 数值导数收敛三角的计算
5. Cholesky 分解中下三角矩阵的导数
6. Python 预缓存的 Property 修饰器简单实现
7. 计算化学的低标度 Laplace-Transform 方法格点导出思路
量子化学程序:分子能量
1. GGA 的 Kohn-Sham 交换相关势函数导出
2. 通过密度反推 Kohn-Sham 势函数:消除 Gaussian 基组扰动现象
3. 简单理解两种 Direct RPA 相关能程序实现等价性
4. 简单理解最初步的 ONIOM 能量计算
量子化学程序:分子性质
1. 频率分析 (1):从 fchk 文件得到分子频率与简正模式
2. 频率分析 (3):热力学能矫正
3. 频率分析 (4):非谐性频率矫正 VPT2
4. 简单理解 RHF 含频极化率及其与 TD-HF 间的关系
5. 磁性质数值导数 (1):RHF 的非 GIAO 磁化率
6. 磁性质数值导数 (2):RHF 的 GIAO 磁化率
7. 磁性质数值导数 (3):RMP2 的 GIAO 核磁 (屏蔽) 共振常数 (NMR)
机器学习程序
1. Autograd (1):PyTorch 自动一阶求导在标量、向量、矩阵、张量运算中的定义
2. Autograd (2):深度前馈网络——前向传播与反向传播
3. Autograd (3):梯度下降法解量子化学 RHF 自洽场能量
4. Autograd (4):PyTorch 高阶自动导数
5. 简单了解 SISSO 特征筛选方法在回归问题下应用
6. Kennard-Stone 采样方法在 Python/C 下的高效实现
\(O(N^2)\)
7. 有限内存的 Kennard-Stone 采样方法实现
8. 卷积神经网络推理 (1):Direct 卷积的纯 Python 实现、库函数实现
9. 卷积神经网络推理 (2):Winograd 卷积的纯 Python 实现
10. 卷积神经网络推理 (3):基于 L2 缓存优化的 Winograd 卷积的 C++ 实现
量子计算笔记
1. 简单理解 Grover 算法求解数独问题
Repository
Open issue
索引