数据驱动的浴环境拟合：加速哈密顿量对角化动力学平均场论 (HD-DMFT) 的机器学习新策略2026-02-26本文深度解析了一种利用机器学习初始化浴环境参数的新方法，旨在解决哈密顿量对角化 DMFT 中高度非线性的浴拟合瓶颈，显著提升收敛速度与稳健性。#动力学平均场论 (DMFT)#强关联电子体系#机器学习#量子材料计算#核岭回归 (KRR)