論文の概要: Detecting non-local effects in the electronic structure of a simple
covalent system with machine learning methods
- arxiv url: http://arxiv.org/abs/2008.11277v1
- Date: Tue, 25 Aug 2020 21:12:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 23:44:25.616207
- Title: Detecting non-local effects in the electronic structure of a simple
covalent system with machine learning methods
- Title(参考訳): 機械学習を用いた単純共有型システムの電子構造における非局所効果の検出
- Authors: Behnam Parsaeifard, Jonas A. Finkler, Stefan Goedecker
- Abstract要約: 機械学習から借用された手法を用いて、単純な共有原子系の炭素原子の局所的な物性に完全にアルゴリズム的に長い範囲で影響を検出する。
これらの長距離効果が多くの構成に対して存在するという事実は、力場や現代の機械学習スキームのような原子論的シミュレーション手法が正確性に制限されていることを示唆している。
- 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: Using methods borrowed from machine learning we detect in a fully algorithmic
way long range effects on local physical properties in a simple covalent system
of carbon atoms. The fact that these long range effects exist for many
configurations implies that atomistic simulation methods, such as force fields
or modern machine learning schemes, that are based on locality assumptions, are
limited in accuracy. We show that the basic driving mechanism for the long
range effects is charge transfer. If the charge transfer is known, locality can
be recovered for certain quantities such as the band structure energy.
- Abstract(参考訳): 機械学習から借用した手法を用いて、炭素原子の単純な共有結合系において、局所的物性に対する完全アルゴリズム的長距離効果を検出する。
これらの長距離効果が多くの構成で存在しているという事実は、局所性仮定に基づく力場や現代の機械学習スキームのような原子論的シミュレーション手法は精度が限られていることを示している。
長距離効果の基本的な駆動機構は電荷移動であることを示す。
電荷移動が知られている場合、バンド構造エネルギーのような特定の量で局所性を回復することができる。
関連論文リスト
- Quantum Lyapunov exponent in dissipative systems [68.8204255655161]
時間外秩序相関器(OTOC)は閉量子系で広く研究されている。
これら2つのプロセス間の相互作用について研究する。
OTOC崩壊速度は古典的なリャプノフと密接に関連している。
論文 参考訳(メタデータ) (2022-11-11T17:06:45Z) - Port-Hamiltonian Neural Networks with State Dependent Ports [58.720142291102135]
本手法は,数個の内力および外力を持つ単純な質量スプリングシステムと,より複雑で現実的なシステムの両方において,ストレス試験を行う。
ポート-ハミルトンニューラルネットワークは、状態依存型ポートでより大きな次元に拡張することができる。
スパースデータとノイズデータのトレーニングを改善するための対称高次積分器を提案する。
論文 参考訳(メタデータ) (2022-06-06T14:57:25Z) - Electronic excited states in deep variational Monte Carlo [0.0]
パウリネットは励起エネルギーの観点から非常に高価な高レベル電子構造法と同等であることを示す。
我々は、低層状態に対して高い精度を一貫して達成する様々な小さな原子や分子に対して、我々の手法を実証する。
論文 参考訳(メタデータ) (2022-03-17T17:33:16Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳(メタデータ) (2022-02-01T03:53:39Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳(メタデータ) (2021-12-22T15:27:30Z) - Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。
分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
論文 参考訳(メタデータ) (2021-10-26T14:14:40Z) - SE(3)-equivariant prediction of molecular wavefunctions and electronic
densities [4.2572103161049055]
本稿では,幾何点クラウドデータのためのディープラーニングアーキテクチャを構築するための汎用SE(3)-同変演算とビルディングブロックを紹介する。
本モデルでは,従来の最先端モデルと比較して,予測誤差を最大2桁まで低減する。
低精度参照波動関数で訓練されたモデルが電子的多体相互作用の正当性を暗黙的に学習するトランスファーラーニングアプリケーションにおいて、我々のアプローチの可能性を実証する。
論文 参考訳(メタデータ) (2021-06-04T08:57:46Z) - A Universal Framework for Featurization of Atomistic Systems [0.0]
物理や機械学習に基づく反応力場は、時間と長さのスケールのギャップを埋めるために使うことができる。
本稿では,原子周囲の電子密度の物理的に関連する多極展開を利用するガウス多極(GMP)デデュール化スキームを紹介する。
我々は,GMPに基づくモデルがQM9データセットの化学的精度を達成できることを示し,新しい要素を外挿してもその精度は妥当であることを示した。
論文 参考訳(メタデータ) (2021-02-04T03:11:00Z) - Solving Quasiparticle Band Spectra of Real Solids using Neural-Network
Quantum States [0.0]
人工ニューラルネットワークは、拡張周期材料の第一原理計算に優れたツールであることを示す。
1次元, 2次元, 3次元系における実固体の基底状態エネルギーは, 正確にシミュレートされている。
この研究は、固体系の興味深く複雑な多体現象を解明する道を開く。
論文 参考訳(メタデータ) (2020-10-03T13:41:13Z) - Multi-scale approach for the prediction of atomic scale properties [0.0]
局所性は、量子力学的観測可能性を予測する機械学習スキームの下にある。
これらのアプローチの主な欠点の1つは、物理的効果を捉えることができないことである。
我々は、同じフレームワークのローカル情報と非ローカル情報を組み合わせたマルチスケールスキームの構築方法を示す。
論文 参考訳(メタデータ) (2020-08-27T14:01:00Z) - Macro-to-micro quantum mapping and the emergence of nonlinearity [58.720142291102135]
本稿では,全てのマクロ的制約を遵守する顕微鏡的記述をシステムに割り当てる方法について述べる。
副産物として、線形量子進化から非線形力学がいかに効果的に現れるかを示す。
論文 参考訳(メタデータ) (2020-07-28T17:22:49Z)
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。