Fugu-MT 論文翻訳(概要): Machine learning and excited-state molecular dynamics

論文の概要: Machine learning and excited-state molecular dynamics

arxiv url: http://arxiv.org/abs/2005.14139v1
Date: Thu, 28 May 2020 16:43:18 GMT
ステータス: 処理完了
システム内更新日: 2022-11-27 05:36:06.439538
Title: Machine learning and excited-state molecular dynamics
Title（参考訳）: 機械学習と励起状態分子動力学
Authors: Julia Westermayr, Philipp Marquetand
Abstract要約: 機械学習に基づく励起状態ダイナミクスの進歩を調査した。光誘起分子プロセスのための機械学習アプローチの成功、落とし穴、課題、そして今後の道のりを強調します。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine learning is employed at an increasing rate in the research field of quantum chemistry. While the majority of approaches target the investigation of chemical systems in their electronic ground state, the inclusion of light into the processes leads to electronically excited states and gives rise to several new challenges. Here, we survey recent advances for excited-state dynamics based on machine learning. In doing so, we highlight successes, pitfalls, challenges and future avenues for machine learning approaches for light-induced molecular processes.
Abstract（参考訳）: 機械学習は量子化学の研究分野において急速に使われている。多くのアプローチは電子基底状態における化学系の研究をターゲットとしているが、プロセスに光を挿入すると電子励起状態となり、いくつかの新しい課題を引き起こす。本稿では,機械学習に基づく励起状態ダイナミクスの最近の進歩について調査する。そうすることで、光誘起分子プロセスのための機械学習アプローチの成功、落とし穴、課題、将来の道筋を強調する。

関連論文リスト

Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文参考訳（メタデータ） (2024-11-14T12:27:50Z)
Machine Learning Potentials: A Roadmap Toward Next-Generation Biomolecular Simulations [4.169915659794567]
機械学習のポテンシャルは、量子化学から粗い粒度のモデルまで、スケールにわたる分子シミュレーションのための革命的で統一的なフレームワークを提供する。化学生物学および関連分野におけるその変革の可能性を完全に実現するために対処しなければならない重要な課題について論じる。
論文参考訳（メタデータ） (2024-08-17T07:53:33Z)
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)
Artificial Intelligence and Machine Learning for Quantum Technologies [6.25426839308312]
ここ数年、科学者たちが機械学習を使って量子計測を分析し始めた例を紹介します。オープンな課題と将来の可能性を強調し、今後10年間、いくつかの投機的ビジョンで締めくくります。
論文参考訳（メタデータ） (2022-08-07T23:02:55Z)
Modern applications of machine learning in quantum sciences [51.09906911582811]
本稿では、教師なし、教師なし、強化学習アルゴリズムにおけるディープラーニングとカーネル手法の使用について述べる。我々は、微分可能プログラミング、生成モデル、機械学習に対する統計的アプローチ、量子機械学習など、より専門的なトピックについて議論する。
論文参考訳（メタデータ） (2022-04-08T17:48:59Z)
Machine Learning in the Search for New Fundamental Physics [0.32622301272834514]
機械学習は、新しい基礎物理学の探索を強化し、加速する上で重要な役割を担っている。地上高エネルギー物理実験における機械学習の現状と新しい物理探索への応用について概説する。
論文参考訳（メタデータ） (2021-12-07T15:26:42Z)
Optomechanics for quantum technologies [0.0]
メカニカルシステムの量子状態準備と絡み合いの進展を概観する。これには、信号処理とトランスダクション、量子センシング、トポロジカル物理学、および小規模熱力学への応用が含まれる。
論文参考訳（メタデータ） (2021-11-29T17:12:59Z)
Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文参考訳（メタデータ） (2021-07-10T06:12:06Z)
Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文参考訳（メタデータ） (2021-03-22T12:42:16Z)
Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文参考訳（メタデータ） (2021-01-21T20:10:38Z)
Machine learning for electronically excited states of molecules [0.0]
電子的に励起された分子状態は、光化学、光物理学、および光生物学の中心にある。本稿では、励起状態シミュレーションを高速化するために機械学習がどのように使用されるかに焦点を当てる。
論文参考訳（メタデータ） (2020-07-10T11:42:29Z)

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。