論文の概要: AD-NEGF: An End-to-End Differentiable Quantum Transport Simulator for Sensitivity Analysis and Inverse Problems

• arxiv url: http://arxiv.org/abs/2202.05098v1
• Date: Thu, 10 Feb 2022 15:35:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 21:02:29.758117
• Title: AD-NEGF: An End-to-End Differentiable Quantum Transport Simulator for Sensitivity Analysis and Inverse Problems
• Title（参考訳）: AD-NEGF:感度解析と逆問題のためのエンド・ツー・エンド微分量子輸送シミュレータ
• Authors: Yingzhanghao Zhou, Xiang Chen, Peng Zhang, Jun Wang, Lei Wang, Hong Guo
• Abstract要約: 我々は、量子輸送シミュレーションのための最初のエンドツーエンド微分可能なNEGFモデルについて、最もよく知るためにAD-NEGFを提案する。 我々はPyTorchで数値処理全体を実装し、暗黙の層技術でカスタマイズされた後方パスを設計する。 提案手法は, 物理量差分計算, 経験的パラメータフィッティング, ドーピング最適化に応用できる。
• 参考スコア（独自算出の注目度）: 14.955199623904157
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since proposed in the 70s, the Non-Equilibrium Green Function (NEGF) method has been recognized as a standard approach to quantum transport simulations. Although it achieves superiority in simulation accuracy, the tremendous computational cost makes it unbearable for high-throughput simulation tasks such as sensitivity analysis, inverse design, etc. In this work, we propose AD-NEGF, to our best knowledge the first end-to-end differentiable NEGF model for quantum transport simulations. We implement the entire numerical process in PyTorch, and design customized backward pass with implicit layer techniques, which provides gradient information at an affordable cost while guaranteeing the correctness of the forward simulation. The proposed model is validated with applications in calculating differential physical quantities, empirical parameter fitting, and doping optimization, which demonstrates its capacity to accelerate the material design process by conducting gradient-based parameter optimization.
• Abstract（参考訳）: 70年代に提案されて以来、非平衡グリーン関数(NEGF)法は量子輸送シミュレーションの標準的なアプローチとして認識されてきた。 シミュレーション精度は優れているが、計算コストが非常に高いので、感度解析や逆設計などの高スループットシミュレーションタスクには耐え難い。 本研究では、量子輸送シミュレーションのための最初のエンドツーエンド微分可能なNEGFモデルとして、AD-NEGFを提案する。 我々は,pytorch で計算プロセス全体を実装し,暗黙のレイヤ技術を用いて後方通行をカスタマイズし,前方シミュレーションの正確性を保証しつつ,手頃なコストで勾配情報を提供する。 提案モデルは, 微分物理量, 実験パラメータフィッティング, ドーピング最適化の計算に応用され, 勾配に基づくパラメータ最適化を行い, 材料設計プロセスを加速する能力を示す。

関連論文リスト

• Machine-learning-based multipoint optimization of fluidic injection parameters for improving nozzle performance [2.5864426808687893]
  本稿では,計算流体力学(CFD)シミュレーションの代替として,事前学習ニューラルネットワークモデルを用いる。 ノズル流れ場の物理的特性を考慮すると, モデルの伝達性を高めるために, 先行予測手法が採用された。 推力係数1.14%の改善を実現し、従来の最適化手法と比較して時間コストを大幅に削減する。
  論文  参考訳（メタデータ） (2024-09-19T12:32:54Z)
• Fast Quantum Process Tomography via Riemannian Gradient Descent [3.1406146587437904]
  制約付き最適化は、量子物理学と量子情報科学の分野において重要な役割を果たす。 量子プロセストモグラフィー(quantum process tomography)は、特定の測定データに基づいて基礎となる量子プロセスを取得することを目的としている。
  論文  参考訳（メタデータ） (2024-04-29T16:28:14Z)
• Multi-fidelity Constrained Optimization for Stochastic Black Box Simulators [1.6385815610837167]
  上記の問題に対処するために、Scout-Nd (Stochastic Constrained Optimization for N dimensions) アルゴリズムを導入する。 Scout-Ndは効率よく勾配を推定し、推定器勾配のノイズを低減し、計算労力をさらに削減するために多重忠実性スキームを適用する。 提案手法を標準ベンチマークで検証し,既存の手法よりも優れた性能を示すパラメータの最適化の有効性を示す。
  論文  参考訳（メタデータ） (2023-11-25T23:36:38Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Fully Convolutional Generative Machine Learning Method for Accelerating Non-Equilibrium Greens Function Simulations [0.0879626117219674]
  本研究は,機械学習とデバイスモデリングシミュレーションを組み合わせた新しいシミュレーション手法について述べる。 我々は新しいシミュレーション手法ML-NEGFを命名し、NESSと呼ばれる社内シミュレータに実装した。
  論文  参考訳（メタデータ） (2023-09-17T20:43:54Z)
• Diffusion Generative Inverse Design [28.04683283070957]
  逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。 学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。 本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-05T08:32:07Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
  本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。 拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。 提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
  論文  参考訳（メタデータ） (2022-05-27T16:43:10Z)
• Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
  この作業は、一階情報を必要としない零次最適化(ZO)の反復である。 座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
  論文  参考訳（メタデータ） (2020-12-21T17:29:58Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
  本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。 この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
  論文  参考訳（メタデータ） (2020-08-10T09:42:59Z)

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。