神经网络与原子轨道线性组合算法LCAO

做一个二分类网络来分类A和B

(A,B)-n*m*k-(1,0)(0,1)

可以理解成是用A去测量B与A之间的差异，也可以理解成是用B去测量A与B之间的差异，也就是用测量来理解神经网络的收敛过程。

 

为了计算多电子体系的波函数，其中一种办法是用经典轨道去做近似也就是LCAO算法

The most rewarding approach to date has been to seek combinations of atomic orbitals which will be good approximations to the molecular orbitals of the system, the simplest such approximation being a simple sum with appropriate linear weighting coefficients. *

迄今为止，实现对分子轨道近似的最好方法是寻找原子轨道的组合，最简单的近似办法是线性权重系数相加    

其波函数可以表示为

 

This type of expansion is known as a linear combination of atomic orbitals  *

这种方法就是线性组合原子轨道法    

 

Expansions of the LCAO type thus provide a mathematical framework for detailed calculations, with the actual computation of the molecular wavefunction for the system reduced to the determination of the linear expansion coefficients Cμi for each of the orbitals.   *

因此，LCAO为详细计算提供了数学框架，系统分子波函数的实际计算简化为确定每个轨道的线性展开系数Cμi。

这一表达式暗含了玻恩-奥本海默近似，哈特里-福克近似与自洽场算法.

非常直观如果把Φ换成x，把c换成w

这就是神经网络的算法。

也就是神经网络的权重w就是LCAO算法的线性权重系数，而输入x对应就是原子核外个电子的轨道，也就是波。

如果将神经网络收敛过程理解成是一次测量，最终收敛这种现象当然对应的就是波函数的坍缩，所以神经网络不就是波函数坍缩的数学模型吗？

 

*Approximate Molecular Orbital Theory by Pople John