論文の概要: Differentiable Molecular Simulations for Control and Learning

• arxiv url: http://arxiv.org/abs/2003.00868v2
• Date: Thu, 24 Dec 2020 00:14:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 08:31:43.346848
• Title: Differentiable Molecular Simulations for Control and Learning
• Title（参考訳）: 制御と学習のための微分分子シミュレーション
• Authors: Wujie Wang, Simon Axelrod, Rafael G\'omez-Bombarelli
• Abstract要約: そこで我々は,ハミルトニアンをパラメータ化してマクロモデルを推論し,制御プロトコルを開発する新しい手法を開発した。 我々は、バルクターゲットオブザーバブルとシミュレーション結果がハミルトニアンに対して解析的に微分できるような、微分可能なシミュレーションを用いて、これをどのように達成できるかを実証する。
• 参考スコア（独自算出の注目度）: 0.9208007322096533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular dynamics simulations use statistical mechanics at the atomistic scale to enable both the elucidation of fundamental mechanisms and the engineering of matter for desired tasks. The behavior of molecular systems at the microscale is typically simulated with differential equations parameterized by a Hamiltonian, or energy function. The Hamiltonian describes the state of the system and its interactions with the environment. In order to derive predictive microscopic models, one wishes to infer a molecular Hamiltonian that agrees with observed macroscopic quantities. From the perspective of engineering, one wishes to control the Hamiltonian to achieve desired simulation outcomes and structures, as in self-assembly and optical control, to then realize systems with the desired Hamiltonian in the lab. In both cases, the goal is to modify the Hamiltonian such that emergent properties of the simulated system match a given target. We demonstrate how this can be achieved using differentiable simulations where bulk target observables and simulation outcomes can be analytically differentiated with respect to Hamiltonians, opening up new routes for parameterizing Hamiltonians to infer macroscopic models and develop control protocols.
• Abstract（参考訳）: 分子動力学シミュレーションは、基本機構の解明と所望のタスクのための物質工学の両方を可能にするために、原子論的なスケールで統計力学を使用する。 マイクロスケールでの分子系の挙動は、通常、ハミルトン関数やエネルギー関数によってパラメータ化された微分方程式でシミュレートされる。 ハミルトニアンはシステムの状態と環境との相互作用を記述している。 予測顕微鏡モデルを導出するために、観察された巨視的量に一致する分子ハミルトニアンを推論したい。 工学の観点からは、ハミルトニアンを制御し、自己組織化や光学制御のように望ましいシミュレーション結果と構造を達成し、実験室で望ましいハミルトニアンを持つシステムを実現することを望んでいる。 どちらの場合も、シミュレーションシステムの創発的性質が与えられた目標に合致するようにハミルトニアンの修正が目的である。 本研究は, バルクターゲットオブザーバブルとシミュレーション結果がハミルトン群に対して解析的に微分可能な微分可能シミュレーションを用いて, ハミルトン群をパラメータ化してマクロモデルの推定と制御プロトコルの開発を行う方法を示す。

関連論文リスト

• Dual-Capability Machine Learning Models for Quantum Hamiltonian Parameter Estimation and Dynamics Prediction [2.142387003055715]
  本研究では,2つの機能を持つ機械学習モデルを提案する。 観測された局所観測値の変化から時間依存のハミルトンパラメータを推定することができる。 これはハミルトンのパラメータに基づいてこれらの可観測物の進化を予測することができる。
  論文  参考訳（メタデータ） (2024-05-22T12:21:57Z)
• QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules [69.25826391912368]
  QH9と呼ばれる新しい量子ハミルトンデータセットを生成し、999または2998の分子動力学軌道に対して正確なハミルトン行列を提供する。 現在の機械学習モデルでは、任意の分子に対するハミルトン行列を予測する能力がある。
  論文  参考訳（メタデータ） (2023-06-15T23:39:07Z)
• Mapping Molecular Hamiltonians into Hamiltonians of Modular cQED Processors [50.893896302254944]
  本稿では,任意のモデル系のハミルトニアンを回路量子力学(cQED)プロセッサのハミルトニアンにマッピングする方法を提案する。 この方法は、Fenna-Matthews-Olson錯体の量子力学シミュレーションと電荷移動のスピン-ボソンモデルに適用される。
  論文  参考訳（メタデータ） (2023-06-10T04:52:58Z)
• Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
  本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
  論文  参考訳（メタデータ） (2023-06-08T17:12:08Z)
• Real-time simulations of transmon systems with time-dependent Hamiltonian models [0.0]
  トランスモン系の時間発展に影響を与えるハミルトニアンモデルの側面について検討する。 我々は、対応するコンピュータモデルを、非理想ゲートベース量子コンピュータ(NIGQC)モデルとして表現する。
  論文  参考訳（メタデータ） (2023-04-21T14:58:49Z)
• Quantum-probabilistic Hamiltonian learning for generative modelling & anomaly detection [0.0]
  本研究では,データ解析におけるハミルトニアンシステムの学習と活用の可能性について検討する。 我々は、シミュレーションされた大型ハドロン衝突型加速器データの生成モデル作成に量子ハミルトンモデルを用いる。 さらに、学習したハミルトニアンを用いて異常検出を行い、異なるサンプル型が異なる動的挙動を形成することを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:02Z)
• Floquet Hamiltonian Engineering of an Isolated Many-Body Spin System [0.0]
  相互作用を制御することは、多体系の量子工学の鍵となる要素である。 我々は、自然に与えられた閉量子系の多体ハミルトニアンを、非常に異なるダイナミクスを示す効果的なターゲットハミルトニアンに変換する方法を示す。
  論文  参考訳（メタデータ） (2021-05-04T16:09:00Z)
• Molecular spin qudits for quantum simulation of light-matter interactions [62.223544431366896]
  分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。 提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
  論文  参考訳（メタデータ） (2021-03-17T15:03:12Z)
• Engineering analog quantum chemistry Hamiltonians using cold atoms in optical lattices [69.50862982117127]
  数値的なアナログシミュレータの動作条件をベンチマークし、要求の少ない実験装置を見出す。 また、離散化と有限サイズ効果により生じるシミュレーションの誤差についてより深く理解する。
  論文  参考訳（メタデータ） (2020-11-28T11:23:06Z)
• Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
  無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。 モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。 その結果,クロスバリデーションにより予測精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T13:32:10Z)
• Machine learning based non-Newtonian fluid model with molecular fidelity [17.93540781757586]
  連続的な非ニュートン流体力学モデルを構築するための機械学習に基づくフレームワークを提案する。 ダンベルポリマー溶液は本質的なアイデアを示す例として用いられる。
  論文  参考訳（メタデータ） (2020-03-07T22:24:34Z)

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。