論文の概要: Combining SchNet and SHARC: The SchNarc machine learning approach for
excited-state dynamics
- arxiv url: http://arxiv.org/abs/2002.07264v1
- Date: Mon, 17 Feb 2020 21:38:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-31 12:34:28.916692
- Title: Combining SchNet and SHARC: The SchNarc machine learning approach for
excited-state dynamics
- Title(参考訳): SchNetとSHARCを組み合わせる: 励起状態ダイナミクスのためのSchNarc機械学習アプローチ
- Authors: Julia Westermayr, Michael Gastegger, Philipp Marquetand
- Abstract要約: 深層学習が光化学の研究分野の進展にどのように役立つかを示す。
性質は、複数のエネルギー、力、非断熱結合、スピン軌道結合である。
分子動力学プログラムSHARCと組み合わせて、SchNarcと呼ばれるアプローチをモデルシステムと2つの現実的多原子分子で検証した。
- 参考スコア(独自算出の注目度): 3.058685580689605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, deep learning has become a part of our everyday life and is
revolutionizing quantum chemistry as well. In this work, we show how deep
learning can be used to advance the research field of photochemistry by
learning all important properties for photodynamics simulations. The properties
are multiple energies, forces, nonadiabatic couplings and spin-orbit couplings.
The nonadiabatic couplings are learned in a phase-free manner as derivatives of
a virtually constructed property by the deep learning model, which guarantees
rotational covariance. Additionally, an approximation for nonadiabatic
couplings is introduced, based on the potentials, their gradients and Hessians.
As deep-learning method, we employ SchNet extended for multiple electronic
states. In combination with the molecular dynamics program SHARC, our approach
termed SchNarc is tested on a model system and two realistic polyatomic
molecules and paves the way towards efficient photodynamics simulations of
complex systems.
- Abstract(参考訳): 近年、ディープラーニングは私たちの日常生活の一部となり、量子化学にも革命をもたらしています。
本稿では,光力学シミュレーションにおける重要な性質をすべて学習することにより,光化学研究分野を深層学習がいかに前進させるかを示す。
性質は、複数のエネルギー、力、非断熱カップリング、スピン軌道カップリングである。
非線形結合は、回転共分散を保証する深層学習モデルにより、仮想的に構築された特性の微分として位相自由な方法で学習される。
さらに、ポテンシャル、その勾配、およびヘシアンに基づいて、非断熱的カップリングの近似を導入する。
深層学習法として、複数の電子状態に対して拡張されたSchNetを用いる。
分子動力学プログラムSHARCと組み合わせて、SchNarcと呼ばれるアプローチをモデル系と2つの現実的多原子分子でテストし、複雑な系の効率的な光力学シミュレーションへの道を開く。
関連論文リスト
- Interpolating many-body wave functions for accelerated molecular
dynamics on near-exact electronic surfaces [0.0]
本稿では、強相関分子系と機械学習加速分子動力学を橋渡しする実践的アプローチについて述べる。
我々は、その後のダイナミクスに対して、ほぼ正確なポテンシャルエネルギー表面への証明可能な収束を示す。
平均場表面における従来の機械学習やアブイニシアチブダイナミクスの質的改善を強調した。
論文 参考訳(メタデータ) (2024-02-16T22:03:37Z) - Quench dynamics in higher-dimensional Holstein models: Insights from
Truncated Wigner Approaches [44.99833362998488]
電子ホッピングの急激なスイッチオン後のホルシュタインモデルにおける電荷密度波の融解について検討した。
ホルシュタイン連鎖で得られた正確なデータと比較すると、フォノンと電子の半古典的な扱いは音速力学を正確に記述するために必要であることを示している。
論文 参考訳(メタデータ) (2023-12-19T16:14:01Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳(メタデータ) (2023-05-16T19:12:41Z) - Manipulating growth and propagation of correlations in dipolar
multilayers: From pair production to bosonic Kitaev models [0.0]
多体スピンダイナミクスをボソニックモデルにマッピングする。
二重層構成では、量子光学から知られているパラダイム的な2モードスキーズ・ハミルトンをいかに設計するかを示す。
多層構造では、層方向に沿ってキラル伝播を示す北エフモデルのボソニック変種を設計した。
論文 参考訳(メタデータ) (2022-11-22T19:00:01Z) - Guaranteed Conservation of Momentum for Learning Particle-based Fluid
Dynamics [96.9177297872723]
本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。
我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。
提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2022-10-12T09:12:59Z) - A machine-learning-based tool for last closed magnetic flux surface
reconstruction on tokamak [58.42256764043771]
トカマク装置による核融合発電は、クリーンエネルギーの持続可能な供給源として最も有望な方法の1つである。
トカマクの主な課題は、アクチュエータコイルと内部トカマクプラズマの相互作用によって決定される最後の閉じた磁束面(LCFS)を予測することである。
本研究では,実験データから自動的に学習する実験用超電導トカマク(EAST)からLCFSを再構築する機械学習モデルを提案する。
論文 参考訳(メタデータ) (2022-07-12T17:15:29Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳(メタデータ) (2021-05-27T18:00:02Z) - Generalized Discrete Truncated Wigner Approximation for Nonadiabtic
Quantum-Classical Dynamics [0.0]
線形化半古典法, 一般化離散トランケートウィグナー近似(GDTWA)を導入する。
GDTWAは離散位相空間における電子自由度をサンプリングし、電子状態の集団の非物理的成長を禁ずる。
本手法は, 化学および関連分野における非断熱力学問題の解決に極めて適している可能性が示唆された。
論文 参考訳(メタデータ) (2021-04-14T21:53:35Z) - Controlled coherent dynamics of [VO(TPP)], a prototype molecular nuclear
qudit with an electronic ancilla [50.002949299918136]
本稿では,[VO(TPP)](バナジルテトラフェニルポルフィリン酸塩)が量子計算アルゴリズムの実装に適していることを示す。
超微細相互作用によって結合された電子スピン1/2を核スピン7/2に埋め込み、どちらも顕著なコヒーレンスによって特徴づけられる。
論文 参考訳(メタデータ) (2021-03-15T21:38:41Z) - Machine learning dynamics of phase separation in correlated electron
magnets [0.0]
両交換系における電子位相分離の大規模動的シミュレーションを機械学習により実現した。
本研究は,機械学習モデルを用いて相関電子系の大規模動的シミュレーションを行う方法である。
論文 参考訳(メタデータ) (2020-06-07T17:01:06Z) - Entanglement generation via power-of-SWAP operations between dynamic
electron-spin qubits [62.997667081978825]
表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。
動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
論文 参考訳(メタデータ) (2020-01-15T19:00:01Z)
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。