論文の概要: Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers

• arxiv url: http://arxiv.org/abs/2112.07590v2
• Date: Wed, 15 Dec 2021 08:36:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-04 14:03:29.149833
• Title: Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers
• Title（参考訳）: 分子ダイマーの吸収スペクトル解析のためのガウス過程回帰
• Authors: Farhad Taher-Ghahramani and Fulu Zheng and Alexander Eisfeld
• Abstract要約: 本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A common task is the determination of system parameters from spectroscopy, where one compares the experimental spectrum with calculated spectra, that depend on the desired parameters. Here we discuss an approach based on a machine learning technique, where the parameters for the numerical calculations are chosen from Gaussian Process Regression (GPR). This approach does not only quickly converge to an optimal parameter set, but in addition provides information about the complete parameter space, which allows for example to identify extended parameter regions where numerical spectra are consistent with the experimental one. We consider as example dimers of organic molecules and aim at extracting in particular the interaction between the monomers, and their mutual orientation. We find that indeed the GPR gives reliable results which are in agreement with direct calculations of these parameters using quantum chemical methods.
• Abstract（参考訳）: 一般的な課題は分光からシステムパラメータを決定することである。そこでは、所望のパラメータに依存する計算されたスペクトルと実験スペクトルを比較する。 本稿では,Gaussian Process Regression(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは、最適パラメータ集合に迅速に収束するだけでなく、完全なパラメータ空間に関する情報も提供し、例えば、数値スペクトルが実験値と整合した拡張パラメータ領域を特定できる。 我々は有機分子のダイマーの例と考え,特にモノマー間の相互作用と相互配向の抽出を目標としている。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致する信頼性の高い結果を与える。

関連論文リスト

• Gaussian-process-regression-based method for the localization of exceptional points in complex resonance spectra [0.0]
  ガウス過程回帰(GPR)に基づく例外点探索のための効率的な機械学習アルゴリズムを提案する。 GPRに基づく手法は, 単純な低次元行列モデルを用いて開発, 試験を行い, 挑戦的な実数系に適用する。
  論文  参考訳（メタデータ） (2024-02-07T09:03:26Z)
• Weighted Riesz Particles [0.0]
  対象分布を、パラメータの無限次元空間が多くの決定論的部分多様体からなる写像と考える。 我々は、Rieszと呼ばれる点の性質を研究し、それをシーケンシャルMCMCに埋め込む。 低い評価で高い受け入れ率が得られることが分かりました。
  論文  参考訳（メタデータ） (2023-12-01T14:36:46Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Log-Gaussian Gamma Processes for Training Bayesian Neural Networks in Raman and CARS Spectroscopies [0.03994567502796063]
  本稿では,ガンマ分布確率変数と対数ガウスモデルを組み合わせて,ニューラルネットワークの学習に適した合成データセットを生成する手法を提案する。 本稿では, ガンマ過程パラメータを推定するために実験的スペクトルを用いて, ラマンとコヒーレント反ストークスラマン散乱(CARS)スペクトルの両方に適用する。
  論文  参考訳（メタデータ） (2023-10-12T06:08:34Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Computationally-efficient initialisation of GPs: The generalised variogram method [1.0312968200748118]
  我々の戦略は,MLトレーニングの初期条件を見つけるための事前訓練段階として利用することができる。 合成および実世界のデータを用いて,異なるカーネルに対して,精度,MLとの整合性,計算複雑性を実験的に検証する。
  論文  参考訳（メタデータ） (2022-10-11T12:13:21Z)
• Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
  ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。 我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。 前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
  論文  参考訳（メタデータ） (2021-12-22T00:52:56Z)
• Machine Learning for Vibrational Spectroscopy via Divide-and-Conquer Semiclassical Initial Value Representation Molecular Dynamics with Application to N-Methylacetamide [56.515978031364064]
  核振動空間を部分空間に分割する機械学習アルゴリズムを導入する。 部分分割基準は、リウヴィルの定理、すなわち減次元ジャコビアン行列式のユニタリの最良の保存に基づいている。 このアルゴリズムは12-原子トランス-N-メチルアセトアミドのパワースペクトルの分割・対数半古典計算に適用される。
  論文  参考訳（メタデータ） (2021-01-11T14:47:33Z)
• Revisiting the Sample Complexity of Sparse Spectrum Approximation of Gaussian Processes [60.479499225746295]
  本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。 我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
  論文  参考訳（メタデータ） (2020-11-17T05:41:50Z)
• Approximate Inference for Spectral Mixture Kernel [25.087829816206813]
  スペクトル混合核に対する近似ベイズ推定を提案する。 抽出されたエビデンス下界(ELBO)推定器にサンプリングベース変分推定を適用することにより,変分パラメータを最適化する。 提案した推論と2つの戦略が組み合わさってパラメータの収束を加速し、より良いパラメータをもたらす。
  論文  参考訳（メタデータ） (2020-06-12T09:39:29Z)

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。