Bachelorarbeit

• In den durchgeführten DFT Berechnungen wurde PySCF der Version 2.2.1 verwendet: Q. Sun, T. C. Berkelbach, N. S. Blunt, G. H. Booth, S. Guo, Z. Li, J. Liu, J. D. McClain, E. R. Sayfutyarova, S. Sharma, S. Wouters, and G. K.-L. Chan, “PySCF: The Python-based Simulations of Chemistry Framework”, WIREs Computational Molecular Science 8, e1340 (2018), DOI: 10.1002/wcms.1340

• Für die Geometrieoptimierung der einzelnen Funktionale wurde das geomeTRIC-Paket verwendet: L.-P. Wang und C. Song, „Geometry Optimization Made Simple with Translation and Rotation Coordinates“, The Journal of Chemical Physics 144, 214108 (2016), DOI: 10.1063/1.4952956

• Für die Machine-Learning Funktionale wurden die DM21 und LibnXC Funktionale verwendet: J. Kirkpatrick, B. McMorrow, D. H. P. Turban, A. L. Gaunt, J. S. Spencer, A. G. D. G. Matthews, A. Obika, L. Thiry, M. Fortunato, D. Pfau, L. R. Castellanos, S. Petersen, A. W. R. Nelson, P. Kohli, P. Mori-Sánchez, D. Hassabis und A. J. Cohen, „Pushing the Frontiers of Density Functionals by Solving the Fractional Electron Problem“, Science 374, 1385 (2021), DOI: 10.1126/science.abj6511

  R. Nagai, R. Akashi, and O. Sugino, “Completing Density Functional Theory by Machine Learning Hidden Messages from Molecules”, npj Computational Materials 6, 1 (2020), DOI: 10.1038/s41524-020-0310-0