論文の概要: Deep Learning for UV Absorption Spectra with SchNarc: First Steps
Towards Transferability in Chemical Compound Space
- arxiv url: http://arxiv.org/abs/2007.07684v1
- Date: Wed, 15 Jul 2020 13:51:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 06:20:41.150555
- Title: Deep Learning for UV Absorption Spectra with SchNarc: First Steps
Towards Transferability in Chemical Compound Space
- Title（参考訳）: SchNarcを用いた紫外吸収スペクトルの深層学習 : 化合物空間における透過性への第一歩
- Authors: Julia Westermayr, Philipp Marquetand
- Abstract要約: 機械学習を用いて、励起状態に対する永続的な双極子モーメントをモデル化する方法を示す。
また, 化学空間における励起状態MLモデルの伝達性についても検討した。
- 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 (ML) has shown to advance the research field of quantum
chemistry in almost any possible direction and has recently also entered the
excited states to investigate the multifaceted photochemistry of molecules. In
this paper, we pursue two goals: i) We show how ML can be used to model
permanent dipole moments for excited states and transition dipole moments by
adapting the charge model of [Chem. Sci., 2017, 8, 6924-6935], which was
originally proposed for the permanent dipole moment vector of the electronic
ground state. ii) We investigate the transferability of our excited-state ML
models in chemical space, i.e., whether an ML model can predict properties of
molecules that it has never been trained on and whether it can learn the
different excited states of two molecules simultaneously. To this aim, we
employ and extend our previously reported SchNarc approach for excited-state
ML. We calculate UV absorption spectra from excited-state energies and
transition dipole moments as well as electrostatic potentials from latent
charges inferred by the ML model of the permanent dipole moment vectors. We
train our ML models on CH$_2$NH$_2^+$ and C$_2$H$_4$, while predictions are
carried out for these molecules and additionally for CHNH$_2$, CH$_2$NH, and
C$_2$H$_5^+$. The results indicate that transferability is possible for the
excited states.
- Abstract（参考訳）: 機械学習(ml)は量子化学の研究分野をほぼあらゆる方向に前進させることを示しており、分子の多面光化学を研究するために最近励起状態に入った。
本稿では2つの目標を追求する。
i)電子基底状態の永久双極子モーメントベクトルのために当初提案された[chem. sci., 2017, 8, 6924-6935]の電荷モデルを適用することで,励起状態と遷移双極子モーメントに対する永久双極子モーメントのモデル化にmlをいかに利用できるかを示す。
二 化学空間における励起状態MLモデルの伝達可能性、すなわち、MLモデルがトレーニングしたことのない分子の性質を予測できるかどうか、二つの分子の異なる励起状態を同時に学習できるかどうかを考察する。
この目的のために、これまでに報告したSchNarcアプローチを励起状態MLに適用し、拡張する。
永久双極子モーメントベクトルのMLモデルを用いて、励起状態エネルギーと遷移双極子モーメントの紫外線吸収スペクトルと、潜在電荷の静電ポテンシャルを計算した。
我々は、ch$_2$nh$_2^+$とc$_2$h$_4$でmlモデルを訓練する一方で、これらの分子およびchnh$_2$、ch$_2$nh、c$_2$h$_5^+$について予測を行う。
その結果, 励起状態の移動性が示唆された。
関連論文リスト
- Extending the Tavis-Cummings model for molecular ensembles -- Exploring the effects of dipole self energies and static dipole moments [0.0]
分子アンサンブルに対するTavis-Cummingsモデルを拡張した。
光共振器に共振結合したMgH$+$分子の励起状態ダイナミクスと分光をシミュレートする。
論文 参考訳（メタデータ） (2024-04-16T15:58:40Z) - Studying chirality imbalance with quantum algorithms [62.997667081978825]
我々は(1+1)次元ナムブ・ジョナ・ラシニオ(NJL)モデルを用いて、強相互作用物質のキラル相構造とキラル電荷密度を研究する。
量子想像時間進化法 (QITE) を用いて, 格子上の (1+1) 次元NJLモデルを温度$T$, 化学ポテンシャル$mu$, $mu_5$でシミュレートする。
論文 参考訳（メタデータ） (2022-10-06T17:12:33Z) - Molecular Dipole Moment Learning via Rotationally Equivariant Gaussian
Process Regression with Derivatives in Molecular-orbital-based Machine
Learning [0.0]
本研究は、分子軌道ベース機械学習(MOB-ML)の正確かつ伝達可能なアプローチを拡張した。
双極子モーメントの相関部の分子軌道ベース(MOB)対分解を適用する。
提案した問題設定,特徴設計,MLアルゴリズムは,高精度なモデルを提供する。
論文 参考訳（メタデータ） (2022-05-31T02:42:50Z) - Dispersive readout of molecular spin qudits [68.8204255655161]
複数の$d > 2$ スピン状態を持つ「巨大」スピンで表される磁性分子の物理を研究する。
動作の分散状態における出力モードの式を導出する。
キャビティ透過の測定により,クイディットのスピン状態が一意に決定できることがわかった。
論文 参考訳（メタデータ） (2021-09-29T18:00:09Z) - 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) - BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。
ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文 参考訳（メタデータ） (2021-06-08T10:14:57Z) - Anti-alignment driven dynamics in the excited states of molecules under
strong fields [0.5849783371898033]
我々は、H$+$分子とその同位体の2つの新しいモデルを開発する。
第1の励起電子状態において、分子が磁場に反するかどうかを量子力学および半古典的に評価する。
強磁場下でのボンド硬化による励起状態におけるこれらの分子の安定化は極めて不可能である。
論文 参考訳（メタデータ） (2020-12-21T13:29:31Z) - Quantum coherent spin-electric control in a molecular nanomagnet at
clock transitions [57.50861918173065]
ナノスケールでのスピンの電気的制御は、スピントロニクスのアーキテクチャ上の利点を提供する。
分子スピン材料における電場(E-場)感度の最近の実証が注目されている。
これまでに報告された電子場感度はかなり弱く、より強いスピン電結合を持つ分子をどうやって設計するかという問題を引き起こした。
論文 参考訳（メタデータ） (2020-05-03T09:27:31Z) - Predicting molecular dipole moments by combining atomic partial charges
and atomic dipoles [3.0980025155565376]
高レベル結合クラスター理論を用いて計算した分子$boldsymbolmu$を再現するために、「MuML」モデルが組み合わされた。
校正委員会モデルを用いて予測の不確かさを確実に推定できることを実証する。
論文 参考訳（メタデータ） (2020-03-27T14:35:37Z) - Quantum Simulation of 2D Quantum Chemistry in Optical Lattices [59.89454513692418]
本稿では,光学格子中の低温原子に基づく離散2次元量子化学モデルのアナログシミュレータを提案する。
まず、単一フェルミオン原子を用いて、HとH$+$の離散バージョンのような単純なモデルをシミュレートする方法を分析する。
次に、一つのボゾン原子が2つのフェルミオン間の効果的なクーロン反発を媒介し、2次元の水素分子の類似性をもたらすことを示す。
論文 参考訳（メタデータ） (2020-02-21T16:00:36Z)
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。