論文の概要: Atomistic Simulations for Reactions and Spectroscopy in the Era of
Machine Learning -- Quo Vadis?
- arxiv url: http://arxiv.org/abs/2201.03822v1
- Date: Tue, 11 Jan 2022 08:03:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 15:07:06.129032
- Title: Atomistic Simulations for Reactions and Spectroscopy in the Era of
Machine Learning -- Quo Vadis?
- Title(参考訳): 機械学習時代の反応と分光に関する原子論的シミュレーション - quo vadis?
- Authors: M. Meuwly
- Abstract要約: 正確なエネルギー関数を用いた原子論シミュレーションは、気体および凝縮相における分子の機能運動に関する洞察を与えることができる。
この視点は、この分野における他者の努力と、自身の仕事のいくつかから現場の現状を明確にし、オープンな質問と将来の展望について議論する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Atomistic simulations using accurate energy functions can provide
molecular-level insight into functional motions of molecules in the gas- and in
the condensed phase. Together with recently developed and currently pursued
efforts in integrating and combining this with machine learning techniques
provides a unique opportunity to bring such dynamics simulations closer to
reality. This perspective delineates the present status of the field from
efforts of others in the field and some of your own work and discusses open
questions and future prospects.
- Abstract(参考訳): 正確なエネルギー関数を用いた原子論シミュレーションは、気体および凝縮相における分子の機能運動に関する分子レベルの洞察を与えることができる。
最近開発され現在進行中の機械学習技術の統合と組み合わせは、そのようなダイナミクスシミュレーションを現実に近づけるユニークな機会を提供する。
この視点は、この分野における他者の努力と、自身の仕事のいくつかから現場の現状を明確にし、オープンな質問と将来の展望について議論する。
関連論文リスト
- Interpolating many-body wave functions for accelerated molecular
dynamics on near-exact electronic surfaces [0.0]
本稿では、強相関分子系と機械学習加速分子動力学を橋渡しする実践的アプローチについて述べる。
我々は、その後のダイナミクスに対して、ほぼ正確なポテンシャルエネルギー表面への証明可能な収束を示す。
平均場表面における従来の機械学習やアブイニシアチブダイナミクスの質的改善を強調した。
論文 参考訳(メタデータ) (2024-02-16T22:03:37Z) - Symmetry-invariant quantum machine learning force fields [0.0]
我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。
この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-19T16:15:53Z) - Realization of an electromechanical nano-string device [0.0]
この論文は、電気機械デバイスをシミュレーションし、設計し、モデル化することに焦点を当てたプロジェクトの包括的な分析を提示する。
デバイスの設計を紹介し、その特性を最適化するためにどのようにシミュレートしたのかを説明します。
次に, デバイス用ナノファブリケーションプロセスと, キャラクタリゼーション法とセットアップの基礎的側面について論じる。
論文 参考訳(メタデータ) (2023-10-12T04:40:24Z) - Self-oscillating pump in a topological dissipative atom-cavity system [55.41644538483948]
光共振器に結合した量子ガス中を励起する創発的機構について報告する。
散逸により、空洞場はその2つの四角形の間に進化し、それぞれが異なる中心対称結晶構造に対応する。
この自己振動は、トポロジカル強結合モデルにおける電子の輸送を記述する時間周期ポテンシャルに類似する。
論文 参考訳(メタデータ) (2021-12-21T19:57:30Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳(メタデータ) (2021-12-06T18:45:31Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳(メタデータ) (2021-05-27T18:00:02Z) - Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。
本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文 参考訳(メタデータ) (2021-03-22T12:42:16Z) - Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文 参考訳(メタデータ) (2021-01-21T20:10:38Z) - Engineering analog quantum chemistry Hamiltonians using cold atoms in
optical lattices [69.50862982117127]
数値的なアナログシミュレータの動作条件をベンチマークし、要求の少ない実験装置を見出す。
また、離散化と有限サイズ効果により生じるシミュレーションの誤差についてより深く理解する。
論文 参考訳(メタデータ) (2020-11-28T11:23:06Z) - Machine learning for electronically excited states of molecules [0.0]
電子的に励起された分子状態は、光化学、光物理学、および光生物学の中心にある。
本稿では、励起状態シミュレーションを高速化するために機械学習がどのように使用されるかに焦点を当てる。
論文 参考訳(メタデータ) (2020-07-10T11:42:29Z) - Representations of molecules and materials for interpolation of
quantum-mechanical simulations via machine learning [0.0]
第一原理から分子や物質の計算的研究は、物理学、化学、材料科学の基盤となっている。
多くのシミュレーションを含む設定では、機械学習は参照シミュレーション間の補間によってこれらのコストを、しばしば桁違いに削減することができる。
我々は、統一された数学的枠組みを用いて、現在の表現とそれらの関係を包括的にレビューし、議論する。
論文 参考訳(メタデータ) (2020-03-26T18:01:35Z)
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。