論文の概要: DFTpy: An efficient and object-oriented platform for orbital-free DFT simulations

• arxiv url: http://arxiv.org/abs/2002.02985v1
• Date: Fri, 7 Feb 2020 19:07:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-04 07:24:28.733300
• Title: DFTpy: An efficient and object-oriented platform for orbital-free DFT simulations
• Title（参考訳）: DFTpy:軌道自由DFTシミュレーションのための効率的でオブジェクト指向なプラットフォーム
• Authors: Xuecheng Shao, Kaili Jiang, Wenhui Mi, Alessandro Genova, and Michele Pavanello
• Abstract要約: 本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。 本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。 DFTpyはMITライセンスでリリースされている。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In silico materials design is hampered by the computational complexity of Kohn-Sham DFT, which scales cubically with the system size. Owing to the development of new-generation kinetic energy density functionals (KEDFs), orbital-free DFT (OFDFT, a linear-scaling method) can now be successfully applied to a large class of semiconductors and such finite systems as quantum dots and metal clusters. In this work, we present DFTpy, an open source software implementing OFDFT written entirely in Python 3 and outsourcing the computationally expensive operations to third-party modules, such as NumPy and SciPy. When fast simulations are in order, DFTpy exploits the fast Fourier transforms (FFTs) from PyFFTW. New-generation, nonlocal and density-dependent-kernel KEDFs are made computationally efficient by employing linear splines and other methods for fast kernel builds. We showcase DFTpy by solving for the electronic structure of a million-atom system of aluminum metal which was computed on a single CPU. The Python 3 implementation is object-oriented, opening the door to easy implementation of new features. As an example, we present a time-dependent OFDFT implementation (hydrodynamic DFT) which we use to compute the spectra of small metal cluster recovering qualitatively the time-dependent Kohn-Sham DFT result. The Python code base allows for easy implementation of APIs. We showcase the combination of DFTpy and ASE for molecular dynamics simulations (NVT) of liquid metals. DFTpy is released under the MIT license.
• Abstract（参考訳）: シリコン材料設計では、システムサイズと3次スケールのKohn-Sham DFTの計算複雑性によって妨げられる。 次世代の運動エネルギー密度汎関数 (KEDFs) の開発により、軌道のないDFT (OFDFT, linear-scaling method) が多くの半導体や量子ドットや金属クラスターのような有限系に適用できるようになった。 本稿では,Python 3で完全に記述されたオープンソースソフトウェアであるDFTpyを紹介し,計算コストの高い操作をNumPyやSciPyといったサードパーティモジュールにアウトソーシングする。 高速シミュレーションが整うと、DFTpyはPyFFTWから高速フーリエ変換(FFT)を利用する。 線形スプラインやその他の手法を高速カーネル構築に用いることにより, 次世代, 非局所, 密度依存カーネルKEDFの計算効率を向上する。 1CPUで計算したアルミニウムの100万原子系の電子構造を解くことでDFTpyを実証する。 Python 3の実装はオブジェクト指向であり、新機能の実装を簡単にする扉を開く。 例として、時間依存のOFDFT実装(Hydrodynamic DFT)について、時間依存のコーン・シャムDFT結果から定性的に回復する小さな金属クラスターのスペクトルを計算する。 pythonのコードベースは、apiを簡単に実装できる。 液体金属の分子動力学シミュレーション(NVT)におけるDFTpyとASEの組み合わせを紹介する。 DFTpyはMITライセンスでリリースされている。

関連論文リスト

• Enhancing GPU-acceleration in the Python-based Simulations of Chemistry Framework [6.4347138500286665]
  我々は、既存のオープンソースGPU4PySCFプロジェクトへの産業利害関係者として、当社の貢献を説明します。 我々は、密度汎関数理論(DFT)を含む他のPySCF機能にGPUアクセラレーションを統合した。 GPU4PySCFは32コアのCPUノード上で30倍のスピードアップを実現し、ほとんどのDFTタスクで約90%のコスト削減を実現している。
  論文  参考訳（メタデータ） (2024-04-15T04:35:09Z)
• Grad DFT: a software library for machine learning enhanced density functional theory [0.0]
  密度汎関数理論(DFT)は、計算量子化学と材料科学の基盤となっている。 最近の研究は、機械学習がDFTの能力をいかに拡張できるかを探求し始めている。 我々は、完全に差別化可能なJAXベースのDFTライブラリであるGrad DFTを紹介し、高速なプロトタイピングと機械学習による交換相関エネルギー関数の実験を可能にする。
  論文  参考訳（メタデータ） (2023-09-23T00:25:06Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• Fourier Continuation for Exact Derivative Computation in Physics-Informed Neural Operators [53.087564562565774]
  PINOは、偏微分方程式を学習するための有望な実験結果を示す機械学習アーキテクチャである。 非周期問題に対して、フーリエ継続(FC)を利用して正確な勾配法をPINOに適用するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-29T06:37:54Z)
• NeuralNEB -- Neural Networks can find Reaction Paths Fast [7.7365628406567675]
  密度汎関数理論 (DFT) のような量子力学的手法は、反応系の運動学を研究するための効率的な探索アルゴリズムと共に大きな成功を収めている。 機械学習(ML)モデルは、小さな分子DFT計算の優れたエミュレータであることが判明し、そのようなタスクでDFTを置き換える可能性がある。 本稿では、Transition1xデータセットから約10万の初等反応に基づいて、アート同変グラフニューラルネットワーク(GNN)に基づくモデルの状態を訓練する。
  論文  参考訳（メタデータ） (2022-07-20T15:29:45Z)
• Softmax-free Linear Transformers [90.83157268265654]
  視覚変換器(ViT)は、視覚知覚タスクの最先端を推し進めている。 既存の手法は理論的に欠陥があるか、視覚認識に経験的に効果がないかのいずれかである。 我々はSoftmax-Free Transformers (SOFT) のファミリーを提案する。
  論文  参考訳（メタデータ） (2022-07-05T03:08:27Z)
• SOFT: Softmax-free Transformer with Linear Complexity [112.9754491864247]
  視覚変換器(ViT)は、パッチワイド画像トークン化と自己認識によって、様々な視覚認識タスクの最先端を推し進めている。 線形複雑度で自己注意を近似する様々な試みが自然言語処理で行われている。 これらの制限は、近似中にソフトマックスの自己注意を維持することに根ざしている。 ソフトマックスフリー変圧器(SOFT)を初めて提案する。
  論文  参考訳（メタデータ） (2021-10-22T17:57:29Z)
• eQE 2.0: Subsystem DFT Beyond GGA Functionals [58.720142291102135]
  サブシステム-DFT (subsystem-DFT) は、大規模電子構造計算の計算コストを劇的に削減することができる。 sDFTの鍵となる要素は、その精度を支配する非付加的な運動エネルギーと交換相関関数である。 eQE 2.0は従来のコーンシャムDFTやCCSD(T)と比較して優れた相互作用エネルギーを提供する
  論文  参考訳（メタデータ） (2021-03-12T22:26:36Z)
• An Efficient DFT Solver for Nanoscale Simulations and Beyond [0.0]
  我々は、DFTをナノスケールを超えるシステムサイズに拡張する代替の軌道自由DFTソルバを提案する。 OE-SCF(OE-SCF)は、(典型的には計算コストがかかる)パウリポテンシャルを外部ポテンシャルとして扱い、反復後に更新する反復解法である。 シリコン基材料について,1CPUのみを用いて,これまでで最大のアブイニシアトシミュレーションを行った。
  論文  参考訳（メタデータ） (2020-10-14T20:09:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。