論文の概要: Multi-Fidelity Gaussian Process based Empirical Potential Development for Si:H Nanowires

• arxiv url: http://arxiv.org/abs/2005.08638v1
• Date: Mon, 11 May 2020 02:37:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:02:38.265473
• Title: Multi-Fidelity Gaussian Process based Empirical Potential Development for Si:H Nanowires
• Title（参考訳）: Si:Hナノワイヤの多結晶ガウスプロセスによる実証電位開発
• Authors: Moonseop Kim, Huayi Yin, Guang Lin
• Abstract要約: 物質モデルでは、経験的ポテンシャルを用いた計算速度は第一原理計算と比較して高速である。 この研究では、まずH-H結合エネルギーとH$-H$相互作用エネルギーを、テルソフ経験ポテンシャルに適用可能な第一原理計算を用いて計算する。
• 参考スコア（独自算出の注目度）: 7.272791116569247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In material modeling, the calculation speed using the empirical potentials is fast compared to the first principle calculations, but the results are not as accurate as of the first principle calculations. First principle calculations are accurate but slow and very expensive to calculate. In this work, first, the H-H binding energy and H$_2$-H$_2$ interaction energy are calculated using the first principle calculations which can be applied to the Tersoff empirical potential. Second, the H-H parameters are estimated. After fitting H-H parameters, the mechanical properties are obtained. Finally, to integrate both the low-fidelity empirical potential data and the data from the high-fidelity first-principle calculations, the multi-fidelity Gaussian process regression is employed to predict the H-H binding energy and the H$_2$-H$_2$ interaction energy. Numerical results demonstrate the accuracy of the developed empirical potentials.
• Abstract（参考訳）: 材料モデリングでは, 経験的ポテンシャルを用いた計算速度は, 第一原理計算に比べて速いが, 第一原理計算ほど正確ではない。 第一原理計算は正確だが、計算には時間がかかる。 本研究では,まずH-H結合エネルギーとH$_2$-H$_2$相互作用エネルギーを,テルソフ実験ポテンシャルに適用可能な第一原理計算を用いて計算する。 次に、H-Hパラメータを推定する。 H-Hパラメータを装着すると、機械的特性が得られる。 最後に、H-H結合エネルギーとH$_2$-H$_2$相互作用エネルギーを予測するために、低忠実性経験ポテンシャルデータと高忠実度第一原理計算のデータの両方を統合するために、多忠実性ガウス過程回帰を用いる。 数値計算により, 発達した経験的ポテンシャルの精度が示された。

関連論文リスト

• Constructing accurate machine-learned potentials and performing highly efficient atomistic simulations to predict structural and thermal properties [6.875235178607604]
  Ab initio molecular dynamics (AIMD) シミュレーションから生成されたデータセットに基づいて学習した神経進化電位(NEP)を導入する。 両方の機械学習ポテンシャルを用いて、状態(DOS)と放射分布関数(RDF)のフォノン密度を計算する。 MTP電位はわずかに精度が良いが、NEPは計算速度が41倍に向上する。
  論文  参考訳（メタデータ） (2024-11-16T23:16:59Z)
• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。 このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。 普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Calculating potential energy surfaces with quantum computers by measuring only the density along adiabatic transitions [0.0]
  位相推定の代わりに、逆実空間時間依存密度汎関数理論コーン・シャムポテンシャルを用いて線積分を行うことによりエネルギーを評価する。 この手法の精度は、断熱進化そのものの妥当性とポテンシャル反転過程に依存する。 完全なポテンシャルエネルギー曲線をまたいで化学的精度を得るために、正確な測定がほとんど得られないことが示されている。
  論文  参考訳（メタデータ） (2023-05-15T17:51:22Z)
• Heat flux for semi-local machine-learning potentials [0.0]
  グリーン・クボ法(GK法)は材料中の熱輸送シミュレーションのための厳密な枠組みである。 機械学習のポテンシャルは、第一原理シミュレーションの精度を達成でき、シミュレーション時間と長さのスケールをはるかに越えることができる。 計算効率を損なうことなく, 自動微分による適応型熱流束定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-25T10:57:46Z)
• Faster spectral density calculation using energy moments [77.34726150561087]
  我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。 このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
  論文  参考訳（メタデータ） (2022-11-01T23:57:58Z)
• Real-time equation-of-motion CC cumulant and CC Green's function simulations of photoemission spectra of water and water dimer [54.44073730234714]
  実時間CC累積法で得られた結果について考察する。 これらの方法を用いて得られたイオン化ポテンシャルを価領域で比較した。 RT-EOM-CC法とCCGF法により得られたスペクトル関数の特徴を衛星ピークの位置と関連づけて解析した。
  論文  参考訳（メタデータ） (2022-05-27T18:16:30Z)
• Performance of a one-parameter correlation factor for transcorrelation: the Li-Ne total energies and ionization potentials [0.0]
  電子を2つ以上含むシステムに対する最近提案したtranscorrelated (TC) アプローチの性能について検討した。 このようなアプローチの利点は、効率的な数値解析スキームが効率的なTCハミルトニアンで起こる2-体積分と3-体積分を計算するために設定できるため、その単純さに依存する。 与えられた基底集合内で正確な基底状態エネルギーを得るため、現在のTCスキームは、最近提案されたTCフル構成相互作用量子モンテカルロ法と結合する。
  論文  参考訳（メタデータ） (2022-02-21T18:56:46Z)
• Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
  分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。 これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
  論文  参考訳（メタデータ） (2021-07-01T01:02:17Z)
• $\mathcal{P}$,$\mathcal{T}$-odd effects for RaOH molecule in the excited vibrational state [77.34726150561087]
  三原子分子の RaOH はレーザー冷却性とスペクトルの相反する二重項の利点を組み合わせたものである。 断熱ハミルトニアンから導かれる密結合方程式を用いて, 基底電子状態におけるRaOHの偏波関数と励起振動状態を得る。
  論文  参考訳（メタデータ） (2020-12-15T17:08:33Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)

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。