論文の概要: Excited state, non-adiabatic dynamics of large photoswitchable molecules using a chemically transferable machine learning potential

• arxiv url: http://arxiv.org/abs/2108.04879v1
• Date: Tue, 10 Aug 2021 19:03:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 21:19:07.904355
• Title: Excited state, non-adiabatic dynamics of large photoswitchable molecules using a chemically transferable machine learning potential
• Title（参考訳）: 化学転写可能な機械学習電位を用いた大型フォトウィッチブル分子の励起状態、非断熱動力学
• Authors: Simon Axelrod, Eugene Shakhnovich, Rafael G\'omez-Bombarelli
• Abstract要約: 我々はアゾベンゼン誘導体のシミュレーションを加速するニューラルネットワークポテンシャルを導入する。 ネットワークは、トレーニングに使用される量子化学法よりも6桁高速である。 このモデルを用いて、仮想的に3,100個の仮説分子をスクリーニングし、非常に高い量子収率を持ついくつかの種を同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Light-induced chemical processes are ubiquitous in nature and have widespread technological applications. For example, the photoisomerization of azobenzene allows a drug with an azo scaffold to be activated with light. In principle, photoswitches with useful reactive properties, such as high isomerization yields, can be identified through virtual screening with reactive simulations. In practice these simulations are rarely used for screening, since they require hundreds of trajectories and expensive quantum chemical methods to account for non-adiabatic excited state effects. Here we introduce a neural network potential to accelerate such simulations for azobenzene derivatives. The model, which is based on diabatic states, is called the \textit{diabatic artificial neural network} (DANN). The network is six orders of magnitude faster than the quantum chemistry method used for training. DANN is transferable to molecules outside the training set, predicting quantum yields for unseen species that are correlated with experiment. We use the model to virtually screen 3,100 hypothetical molecules, and identify several species with extremely high quantum yields. Our results pave the way for fast and accurate virtual screening of photoactive compounds.
• Abstract（参考訳）: 光誘起化学プロセスは自然界に広く存在し、幅広い技術応用がある。 例えば、アゾベンゼンの光異性化により、アゾ骨格を持つ薬物が光で活性化される。 原則として、高い異性化収率などの有用な反応性特性を持つフォトウィッチは、反応性シミュレーションによる仮想スクリーニングによって識別できる。 実際には、これらのシミュレーションは、非断熱励起状態効果を説明するために数百の軌道と高価な量子化学法を必要とするため、スクリーニングにはほとんど使われない。 本稿では,アゾベンゼン誘導体のシミュレーションを高速化するニューラルネットワークポテンシャルを提案する。 このモデルは、ダイアバティック状態に基づくもので、 \textit{diabatic Artificial Neural Network} (DANN) と呼ばれる。 ネットワークは、トレーニングに使用される量子化学法よりも6桁高速である。 DANNはトレーニングセット外の分子に転送可能であり、実験と相関する未確認種の量子収率を予測する。 このモデルを用いて、仮想的に3100個の仮説分子をスクリーニングし、非常に高い量子収率を持ついくつかの種を同定する。 以上の結果から,光活性化合物の高速かつ高精度な仮想スクリーニングが可能となった。

関連論文リスト

• Physics-informed active learning for accelerating quantum chemical simulations [10.56535364437456]
  本稿では,量子化学シミュレーションにおけるロバストなデータ効率ポテンシャル構築のためのエンドツーエンドALを提案する。 本プロトコルは,物理インフォームドによるトレーニングポイントのサンプリング,初期データの自動選択,不確実性定量化,収束モニタリングに基づく。 これらの調査は、高性能コンピューティングクラスタ上での純粋な量子化学計算ではなく、数週間を要した。
  論文  参考訳（メタデータ） (2024-04-18T00:17:01Z)
• Feedback Efficient Online Fine-Tuning of Diffusion Models [52.170384048274364]
  提案手法は, 実現可能なサンプルの多様体上で効率的に探索できる新しい強化学習手法である。 本稿では,3つの領域にまたがる実証的検証とともに,後悔の保証を提供する理論的解析を提案する。
  論文  参考訳（メタデータ） (2024-02-26T07:24:32Z)
• 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)
• Thermal half-lives of azobenzene derivatives: virtual screening based on intersystem crossing using a machine learning potential [0.0]
  重要なフォトウィッチはアゾベンゼンであり、光に反応してトランスシス異性を示す。 ここではアゾベンゼン誘導体の熱半減期を予測するための計算ツールを紹介する。
  論文  参考訳（メタデータ） (2022-07-23T20:07:04Z)
• Exploring Chemical Space with Score-based Out-of-distribution Generation [57.15855198512551]
  生成微分方程式(SDE)にアウト・オブ・ディストリビューション制御を組み込んだスコアベース拡散方式を提案する。 いくつかの新しい分子は現実世界の薬物の基本的な要件を満たしていないため、MOODは特性予測器からの勾配を利用して条件付き生成を行う。 我々はMOODがトレーニング分布を超えて化学空間を探索できることを実験的に検証し、既存の方法で見いだされた分子、そして元のトレーニングプールの上位0.01%までも生成できることを実証した。
  論文  参考訳（メタデータ） (2022-06-06T06:17:11Z)
• 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)
• 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)
• Analog quantum simulation of chemical dynamics [0.0]
  アナログ量子シミュレータは、ボゾンモードを用いて分子動力学を効率的にシミュレートし、振動を表現できることを示す。 我々の手法は、ボソニック発振器に制御的に結合されたクーディットを持つ任意のデバイスで実装できる。 提案手法は, 近い将来, 古典的かつ難解な化学動力学シミュレーションを可能にすることを期待する。
  論文  参考訳（メタデータ） (2020-12-03T11:52:38Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• Quantum Algorithm for Simulating Molecular Vibrational Excitations [0.0]
  振動遷移中の分子振動励起をシミュレーションする量子アルゴリズムを提案する。 本稿では、分子データを用いて特殊な量子コンピュータをプログラムし、ビブロン過程を最適化する方法について論じる。
  論文  参考訳（メタデータ） (2020-06-23T21:22:35Z)
• 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。