論文の概要: So3krates -- Self-attention for higher-order geometric interactions on arbitrary length-scales

• arxiv url: http://arxiv.org/abs/2205.14276v1
• Date: Sat, 28 May 2022 00:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-05 02:29:55.062187
• Title: So3krates -- Self-attention for higher-order geometric interactions on arbitrary length-scales
• Title（参考訳）: So3krates -- 任意の長さスケール上の高次幾何学的相互作用に対する自己注意
• Authors: J. Thorben Frank, Oliver T. Unke, Klaus-Robert M\"uller
• Abstract要約: 分子や物質の量子力学的性質は非局所電子効果に依存する。 この研究は、基礎となる物理学に適応した改良された注意機構を提案する。 提案したモデルであるSo3kratesは任意の長さスケールで非局所量子力学的効果を記述することができる。
• 参考スコア（独自算出の注目度）: 2.1485350418225244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of machine learning methods in quantum chemistry has enabled the study of numerous chemical phenomena, which are computationally intractable with traditional ab-initio methods. However, some quantum mechanical properties of molecules and materials depend on non-local electronic effects, which are often neglected due to the difficulty of modeling them efficiently. This work proposes a modified attention mechanism adapted to the underlying physics, which allows to recover the relevant non-local effects. Namely, we introduce spherical harmonic coordinates (SPHCs) to reflect higher-order geometric information for each atom in a molecule, enabling a non-local formulation of attention in the SPHC space. Our proposed model So3krates -- a self-attention based message passing neural network -- uncouples geometric information from atomic features, making them independently amenable to attention mechanisms. We show that in contrast to other published methods, So3krates is able to describe non-local quantum mechanical effects over arbitrary length scales. Further, we find evidence that the inclusion of higher-order geometric correlations increases data efficiency and improves generalization. So3krates matches or exceeds state-of-the-art performance on popular benchmarks, notably, requiring a significantly lower number of parameters (0.25--0.4x) while at the same time giving a substantial speedup (6--14x for training and 2--11x for inference) compared to other models.
• Abstract（参考訳）: 量子化学における機械学習法の適用により、従来のab-initio法では計算に難解な多数の化学現象の研究が可能となった。 しかし、分子や物質の量子力学的性質は非局所電子効果に依存しており、効率的なモデリングが困難であるためしばしば無視される。 本研究は、関連する非局所的効果を回復する基礎となる物理に適応した注意の修正機構を提案する。 球面調和座標(SPHC)を導入し、分子内の各原子の高次幾何学情報を反映し、SPHC空間における非局所的な注意の定式化を可能にする。 提案したモデルであるSo3krates – 自己注意に基づくメッセージパッシングニューラルネットワーク – は、原子的特徴から幾何学的情報を分離し、注意機構に独立して対応できるようにする。 他の公開手法とは対照的に、so3kratesは任意の長さスケール上の非局所量子力学的効果を記述することができる。 さらに,高次幾何相関の包含によりデータ効率が向上し,一般化が向上することを示す。 So3kratesは、一般的なベンチマークで最先端のパフォーマンスにマッチまたは超え、特にパラメータ(0.25-0.4x)をかなり少なくし、同時にトレーニングで6-14x、推論で2-11x)を他のモデルと比較する。

関連論文リスト

• Modeling Non-Covalent Interatomic Interactions on a Photonic Quantum Computer [50.24983453990065]
  我々は、cQDOモデルがフォトニック量子コンピュータ上でのシミュレーションに自然に役立っていることを示す。 我々は、XanaduのStrawberry Fieldsフォトニクスライブラリを利用して、二原子系の結合エネルギー曲線を計算する。 興味深いことに、2つの結合したボソニックQDOは安定な結合を示す。
  論文  参考訳（メタデータ） (2023-06-14T14:44:12Z)
• Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
  本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
  論文  参考訳（メタデータ） (2023-02-02T03:49:57Z)
• Universality of critical dynamics with finite entanglement [68.8204255655161]
  臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。 その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
  論文  参考訳（メタデータ） (2023-01-23T19:23:54Z)
• A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
  混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。 プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。 ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
  論文  参考訳（メタデータ） (2023-01-17T15:16:21Z)
• Collective dynamics Using Truncated Equations (CUT-E): simulating the collective strong coupling regime with few-molecule models [0.0]
  我々は置換対称性を利用して、大きな$N$に対するtextitab-initio量子力学シミュレーションの計算コストを大幅に削減する。 我々は、$k$余剰有効分子を加えると、$mathcalO(N-k)$とスケールする現象を考慮に入れるのに十分であることを示した。
  論文  参考訳（メタデータ） (2022-09-11T22:49:29Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• Programmable Interactions and Emergent Geometry in an Atomic Array [0.0]
  非局所的な相互作用は、量子系の情報の流れと相関の形成を制御している。 光学キャビティ内の原子アンサンブルの配列におけるプログラム可能な非局所相互作用の実現について報告する。 我々の研究は、フラストレーション磁石とトポロジカルフェーズのシミュレーション、量子最適化アルゴリズムの調査、およびセンシングと計算のための新しい絡み合ったリソース状態の工学に関する幅広い展望を開放する。
  論文  参考訳（メタデータ） (2021-06-08T03:00:49Z)
• 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)
• Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
  無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。 モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。 その結果,クロスバリデーションにより予測精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T13:32:10Z)

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。