論文の概要: Machine learning of solvent effects on molecular spectra and reactions
- arxiv url: http://arxiv.org/abs/2010.14942v2
- Date: Wed, 4 Nov 2020 14:21:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:56:34.310435
- Title: Machine learning of solvent effects on molecular spectra and reactions
- Title（参考訳）: 分子スペクトルと反応における溶媒効果の機械学習
- Authors: Michael Gastegger, Kristof T. Sch\"utt, Klaus-Robert M\"uller
- Abstract要約: 本稿では、分子と任意の外部磁場との相互作用をモデル化するためのディープニューラルネットワークFieldSchNetを紹介する。
FieldSchNetは豊富な分子応答特性へのアクセスを提供し、幅広い分子スペクトルをシミュレートすることができる。
本研究では、FieldSchNetを用いて、溶媒効果が分子スペクトルおよびクレイゼン配位反応に与える影響を研究する。
- 参考スコア（独自算出の注目度）: 3.4376560669160394
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fast and accurate simulation of complex chemical systems in environments such
as solutions is a long standing challenge in theoretical chemistry. In recent
years, machine learning has extended the boundaries of quantum chemistry by
providing highly accurate and efficient surrogate models of electronic
structure theory, which previously have been out of reach for conventional
approaches. Those models have long been restricted to closed molecular systems
without accounting for environmental influences, such as external electric and
magnetic fields or solvent effects. Here, we introduce the deep neural network
FieldSchNet for modeling the interaction of molecules with arbitrary external
fields. FieldSchNet offers access to a wealth of molecular response properties,
enabling it to simulate a wide range of molecular spectra, such as infrared,
Raman and nuclear magnetic resonance. Beyond that, it is able to describe
implicit and explicit molecular environments, operating as a polarizable
continuum model for solvation or in a quantum mechanics / molecular mechanics
setup. We employ FieldSchNet to study the influence of solvent effects on
molecular spectra and a Claisen rearrangement reaction. Based on these results,
we use FieldSchNet to design an external environment capable of lowering the
activation barrier of the rearrangement reaction significantly, demonstrating
promising venues for inverse chemical design.
- Abstract（参考訳）: 溶液のような環境における複雑な化学系の高速かつ正確なシミュレーションは、理論化学における長年の課題である。
近年、機械学習によって量子化学の境界が拡大され、従来の手法では手が届かなかった電子構造理論の高精度で効率的なサロゲートモデルが提供されるようになった。
これらのモデルは、外部の電場や磁場、溶媒効果などの環境への影響を考慮せずに、長い間閉鎖分子系に限定されてきた。
本稿では、分子と任意の外部磁場との相互作用をモデル化するためのディープニューラルネットワークFieldSchNetを紹介する。
fieldschnetは豊富な分子応答特性へのアクセスを提供し、赤外線、ラマン、核磁気共鳴などの幅広い分子スペクトルをシミュレートすることができる。
さらに、暗黙的で明示的な分子環境を記述でき、解法のための分極可能な連続体モデルとして、または量子力学/分子力学の設定で機能する。
我々はFieldSchNetを用いて、溶媒効果が分子スペクトルおよびクレイゼン配位反応に与える影響を研究する。
これらの結果に基づき,fieldschnetを用いて再配置反応の活性化障壁を著しく低減できる外部環境をデザインし,逆化学設計の有望な会場を実証した。
関連論文リスト
- Simulating open-system molecular dynamics on analog quantum computers [0.0]
アナログ量子シミュレータは開分子系をシミュレートできることを示す。
特に, 混成核子 (MQB) を用いたイオンシミュレータは, 幅広い縮合相の分子をシミュレートできることを示した。
論文 参考訳（メタデータ） (2024-07-25T07:15:33Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳（メタデータ） (2023-06-08T17:12:08Z) - A modular quantum-classical framework for simulating chemical reaction
pathways accurately [0.0]
化学反応経路を正確にシミュレートするモジュラー量子古典ハイブリッドフレームワークを提案する。
我々は、小さな有機分子の異性化経路を正確に追跡することで、我々の枠組みを実証する。
この枠組みは、薬品や化学産業の他の「活性」分子の研究に容易に応用できる。
論文 参考訳（メタデータ） (2022-10-17T10:41:53Z) - Sensing of magnetic field effects in radical-pair reactions using a
quantum sensor [50.591267188664666]
特定の化学反応における磁場効果(MFE)は、過去50年間によく確立されてきた。
我々は、局所的なスピン環境とセンサーとの結合を考慮して、ラジカル対の精巧で現実的なモデルを採用する。
2つのモデル系に対して、ラジカル対とNV量子センサの弱い結合状態においても検出可能なMFEの信号を導出する。
論文 参考訳（メタデータ） (2022-09-28T12:56:15Z) - Accurate Machine Learned Quantum-Mechanical Force Fields for
Biomolecular Simulations [51.68332623405432]
分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。
近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。
本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
論文 参考訳（メタデータ） (2022-05-17T13:08:28Z) - Dynamic of Single Molecules in Collective Light-Matter States from First
Principles [0.0]
分子の集合と共有フォトニックモードとのコヒーレントな相互作用は、強い光とマターのカップリングをもたらす。
単一分子の完全な初期表現を維持しながら、集合的な性質を捉えるための単純なアプローチを導入する。
化学反応における凝集強結合の影響はエミッタ数に非自明な依存を呈する。
論文 参考訳（メタデータ） (2022-04-04T15:58:04Z) - A theoretical perspective on molecular polaritonics [0.0]
光と物質の相互作用によって生じる偏光現象は難しい課題であることが証明されている。
前者の振動スペクトルの正確な処理は鍵であり、単純化された量子モデルは多くの場合有効ではない。
損失と散逸は、吸収や放射線の形で、偏光子の理論的記述に含まれなければならない。
論文 参考訳（メタデータ） (2022-01-08T13:29:46Z) - Theoretical Challenges in Polaritonic Chemistry [0.0]
ポラリトニック化学は、分子と閉じ込められた電磁場モードの間の強い光-物質結合を利用する。
波長スケールの光学キャビティでは、光-マター相互作用は集合効果によって制御される。
プラズモニックのサブ波長ナノキャビティにより、単一の分子でさえ強い結合に達することができる。
論文 参考訳（メタデータ） (2021-11-16T11:50:19Z) - 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) - Molecular spin qudits for quantum simulation of light-matter
interactions [62.223544431366896]
分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。
提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
論文 参考訳（メタデータ） (2021-03-17T15:03:12Z) - Spin Entanglement and Magnetic Competition via Long-range Interactions
in Spinor Quantum Optical Lattices [62.997667081978825]
超低温物質中における空洞を介する長距離磁気相互作用と光学格子の効果について検討した。
競合シナリオを導入しながら,グローバルな相互作用がシステムの根底にある磁気特性を変化させていることが判明した。
これにより、量子情報目的のためのロバストなメカニズムの設計に向けた新しい選択肢が可能になる。
論文 参考訳（メタデータ） (2020-11-16T08:03:44Z)
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。