論文の概要: Learning the electronic density of states in condensed matter
- arxiv url: http://arxiv.org/abs/2006.11803v2
- Date: Thu, 12 Nov 2020 15:27:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 12:33:13.137728
- Title: Learning the electronic density of states in condensed matter
- Title（参考訳）: 凝縮物における状態の電子密度の学習
- Authors: Chiheb Ben Mahmoud and Andrea Anelli and G\'abor Cs\'anyi and Michele
Ceriotti
- Abstract要約: 状態の電子密度(DOS)の予測を目的とした機械学習(ML)フレームワークの構築における課題について論じる。
幅広い熱力学条件にまたがるシリコンの構成を含む,挑戦的なケーススタディを示す。
構造的特徴と電子的特徴の関連性に関する物理的知見を抽出するために, DOSの原子中心分解を用いる方法を示す。
- 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: The electronic density of states (DOS) quantifies the distribution of the
energy levels that can be occupied by electrons in a quasiparticle picture, and
is central to modern electronic structure theory. It also underpins the
computation and interpretation of experimentally observable material properties
such as optical absorption and electrical conductivity. We discuss the
challenges inherent in the construction of a machine-learning (ML) framework
aimed at predicting the DOS as a combination of local contributions that depend
in turn on the geometric configuration of neighbours around each atom, using
quasiparticle energy levels from density functional theory as training data. We
present a challenging case study that includes configurations of silicon
spanning a broad set of thermodynamic conditions, ranging from bulk structures
to clusters, and from semiconducting to metallic behavior. We compare different
approaches to represent the DOS, and the accuracy of predicting quantities such
as the Fermi level, the DOS at the Fermi level, or the band energy, either
directly or as a side-product of the evaluation of the DOS. The performance of
the model depends crucially on the smoothening of the DOS, and there is a
tradeoff to be made between the systematic error associated with the
smoothening and the error in the ML model for a specific structure. We
demonstrate the usefulness of this approach by computing the density of states
of a large amorphous silicon sample, for which it would be prohibitively
expensive to compute the DOS by direct electronic structure calculations, and
show how the atom-centred decomposition of the DOS that is obtained through our
model can be used to extract physical insights into the connections between
structural and electronic features.
- Abstract（参考訳）: 状態(DOS)の電子密度は、準粒子図中の電子によって占有されるエネルギーレベルの分布を定量化し、現代の電子構造理論の中心である。
また、光学吸収や電気伝導率などの実験的に観測可能な材料特性の計算と解釈を支えている。
本稿では、密度汎関数理論から準粒子エネルギーレベルをトレーニングデータとして利用し、各原子の近傍の幾何学的構成に依存する局所的な寄与の組合せとしてDOSを予測する機械学習(ML)フレームワークの構築に固有の課題について論じる。
本研究は, バルク構造からクラスター, 半導体から金属の挙動に至るまで, 幅広い熱力学条件にまたがるシリコンの構成を含む, 挑戦的なケーススタディである。
dosを表現するための異なるアプローチと、フェルミレベル、フェルミレベルのdos、またはバンドエネルギーなどの量を予測する精度を比較し、dosの評価の副産物として直接的または副産物として比較する。
モデルの性能はDOSのスムース化に大きく依存しており、特定の構造に対するMLモデルにおけるスムース化に伴う系統的エラーとエラーとの間にはトレードオフがある。
提案手法は, 直接電子構造計算によりDOSの計算に不当なコストがかかる大きな非晶質シリコン試料の状態の密度を計算し, 本モデルにより得られたDOSの原子中心分解を, 構造的特徴と電子的特徴の関連性に関する物理的知見の抽出に利用することができることを示すものである。
関連論文リスト
- Quantum Electrodynamics Coupled-Cluster Theory: Exploring Photon-Induced Electron Correlations [0.1666604949258699]
単一励起と二重励起を併用した量子電気力学結合クラスタ法の実装に成功した。
理論的基礎、アルゴリズムの詳細、数値ベンチマークについて論じ、ボゾン自由度の統合が電子基底状態をどのように変化させるかを示す。
論文 参考訳（メタデータ） (2024-09-10T20:48:47Z) - Implementation and characterization of the dice lattice in the electron quantum simulator [0.0]
調整可能なパラメータを用いたダイス格子の実験的実現について検討する。
ショックレー状態電子の高モビリティは、人工格子の正確な理論的記述を可能にする。
実験結果から,アハロノフ-ボームケージ機構にともなう高縮退エネルギーは,電子移動性に起因している可能性が示唆された。
論文 参考訳（メタデータ） (2024-03-09T23:27:19Z) - Modeling Non-Covalent Interatomic Interactions on a Photonic Quantum
Computer [50.24983453990065]
我々は、cQDOモデルがフォトニック量子コンピュータ上でのシミュレーションに自然に役立っていることを示す。
我々は、XanaduのStrawberry Fieldsフォトニクスライブラリを利用して、二原子系の結合エネルギー曲線を計算する。
興味深いことに、2つの結合したボソニックQDOは安定な結合を示す。
論文 参考訳（メタデータ） (2023-06-14T14:44:12Z) - Ab initio electron-lattice downfolding: potential energy landscapes,
anharmonicity, and molecular dynamics in charge density wave materials [0.0]
計算上の課題は、特に大規模システム、長期スケール、非平衡系、強い相関関係を持つシステムにおいて発生する。
本研究は, 電子面の電子的特性と原子核運動のシミュレーションを促進するために, ダウンフォールディングアプローチが, 電子面の複雑さの低減をいかに促進するかを示す。
論文 参考訳（メタデータ） (2023-03-13T16:41:37Z) - Electromagnetically induced transparency in inhomogeneously broadened
divacancy defect ensembles in SiC [52.74159341260462]
電磁誘導透過 (EIT) は、光信号と電子スピンの量子コヒーレンスの間に強く堅牢な相互作用を与える現象である。
この材料プラットフォームにおいても,計測幾何学の慎重に設計した上で,EITを高視認性で確立できることが示される。
本研究は,多層システムにおけるEITの非均一性に対する理解を提供し,半導体の幅広い欠陥に対する考察である。
論文 参考訳（メタデータ） (2022-03-18T11:22:09Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Relativistic quantum theory and algorithms: a toolbox for modeling
many-fermion systems in different scenarios [0.0]
重元素を含む原子、分子、クラスターの電子構造を計算するための理論的手法と関連する計算手法について論じる。
分子標的に衝突する電子の弾性差分散乱断面積評価への相対論的量子力学的枠組みの適用について述べる。
論文 参考訳（メタデータ） (2021-10-02T10:20:50Z) - Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron
Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。
本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文 参考訳（メタデータ） (2021-06-22T18:00:00Z) - Multi-task learning for electronic structure to predict and explore
molecular potential energy surfaces [39.228041052681526]
我々はOrbNetモデルを洗練し、分子のエネルギー、力、その他の応答特性を正確に予測する。
このモデルは、すべての電子構造項に対する解析的勾配の導出により、エンドツーエンドで微分可能である。
ドメイン固有の特徴を用いることにより、化学空間をまたいで移動可能であることが示されている。
論文 参考訳（メタデータ） (2020-11-05T06:48:46Z) - 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) - 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。