論文の概要: Discovering nonlinear resonances through physics-informed machine learning

• arxiv url: http://arxiv.org/abs/2104.13471v1
• Date: Tue, 27 Apr 2021 20:53:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 12:39:55.905436
• Title: Discovering nonlinear resonances through physics-informed machine learning
• Title（参考訳）: 物理インフォームド機械学習による非線形共鳴の発見
• Authors: G. D. Barmparis and G. P. Tsironis
• Abstract要約: 非線形ダイマーにおいて,電子のターゲット状態への効率的な移動のための最適なパラメータを求めるために,物理に変形した機械学習手法を用いる。 PIMLアプローチはドナーからアクセプターユニットへの最適な共振経路を発見する。 提案されたPIML法は一般に分子複合体の化学設計や量子系やフォトニック系の工学設計に用いられる。
• 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: For an ensemble of nonlinear systems that model for instance molecules or photonic systems we propose a method that finds efficiently the configuration that has prescribed transfer properties. Specifically, we use physics-informed machine-learning (PIML) techniques to find the optimal parameters for the efficient transfer of an electron (or photon) to a targeted state in a non-linear dimer. We create a machine learning model containing two variables, $\chi_D$ and $\chi_A$, representing the non-linear terms in the donor and acceptor target system states. We then define a loss function as $1.0 - P_j$, where $P_j$ is the probability, the electron being in the targeted state, $j$. By minimizing the loss function, we maximize the transition probability to the targeted state. The method recovers known results in the Targeted Energy Transfer (TET) model and it is then applied to a more complex system with an additional intermediate state. In this trimer configuration the PIML approach discovers optimal resonant paths from the donor to acceptor units. The proposed PIML method is general and may be used in the chemical design of molecular complexes or engineering design of quantum or photonic systems.
• Abstract（参考訳）: 分子やフォトニック系をモデル化する非線形系のアンサンブルに対して、所定の伝達特性を持つ配置を効率的に求める手法を提案する。 具体的には、物理インフォームド・機械学習(PIML)技術を用いて、非線形二量体における電子(または光子)の標的状態への効率的な移動の最適パラメータを求める。 我々は、ドナーとアクセプタターゲットシステム状態の非線形項を表す2つの変数である$\chi_D$と$\chi_A$を含む機械学習モデルを作成する。 次に損失関数を$1.0 - P_j$と定義し、ここでは$P_j$は確率、電子はターゲット状態、$j$とする。 損失関数を最小化することにより、ターゲット状態への遷移確率を最大化する。 この方法は、既知の結果を目標エネルギー移動(tet)モデルに復元し、さらに複雑な中間状態を持つシステムに適用する。 このトリマー構成では、PIMLアプローチはドナーからアクセプターユニットへの最適な共振経路を発見する。 提案したPIML法は一般的に分子錯体の化学設計や量子系やフォトニック系の工学設計に用いられる。

関連論文リスト

• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• Machine learning-enhanced optical tweezers for defect-free rearrangement [0.0]
  本稿では,この再配置プロセスの最適化に近似ポリシー最適化モデルを用いた機械学習手法を提案する。 本手法は, 最短経路問題を効率よく解き, 欠陥のないツイーザアレイの形成を保証することに焦点を当てる。 この進歩は、ツイーザーアレイに新たな機会をもたらし、コンピュータ研究の効率性と精度を高める可能性がある。
  論文  参考訳（メタデータ） (2024-01-10T02:53:06Z)
• $O(N^2)$ Universal Antisymmetry in Fermionic Neural Networks [107.86545461433616]
  我々は、置換同変アーキテクチャを提案し、その上で行列式 Slater を適用して反対称性を誘導する。 FermiNetは、単一の行列式を持つ普遍近似能力があることが証明されている。 これは実装が容易であり、計算コストを$O(N2)$に下げることができる。
  論文  参考訳（メタデータ） (2022-05-26T07:44:54Z)
• Graph neural networks for fast electron density estimation of molecules, liquids, and solids [0.0]
  a machine learning framework for the prediction of $rho(vecr)$。 このモデルは、複数の分子(QM9)、液体エチレン炭酸塩電解質(EC)、LixNiyMnzCo(1-y-z)O2リチウムイオン電池陰極(NMC)で試験される。
  論文  参考訳（メタデータ） (2021-12-01T16:57:31Z)
• 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)
• Mapping the charge-dyon system into the position-dependent effective mass background via Pauli equation [77.34726150561087]
  この研究は、陽イオンと反対の電荷と相互作用する1/2$フェルミオンの電荷スピンからなる量子システムを再現することを目的としている。
  論文  参考訳（メタデータ） (2020-11-01T14:38:34Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• Solving quantum trajectories for systems with linear Heisenberg-picture dynamics and Gaussian measurement noise [0.0]
  我々は、時間非依存のハミルトン、線形ハイゼンベルクピクチャーズ、測定ノイズを有する、$N$モードのオープン量子系の量子軌道進化の解を研究する。 この結果を説明するために、POVMは初期状態の推論に実際に関係しているため、いくつかの単一モードのサンプルシステムを解く。
  論文  参考訳（メタデータ） (2020-04-06T03:05:22Z)
• A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
  学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。 フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。 既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
  論文  参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。