論文の概要: A Transferable Recommender Approach for Selecting the Best Density
Functional Approximations in Chemical Discovery
- arxiv url: http://arxiv.org/abs/2207.10747v1
- Date: Thu, 21 Jul 2022 20:45:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-25 13:49:55.237915
- Title: A Transferable Recommender Approach for Selecting the Best Density
Functional Approximations in Chemical Discovery
- Title(参考訳): 化学発見における最適密度関数近似の選択のための伝達可能なレコメンダアプローチ
- Authors: Chenru Duan, Aditya Nandy, Ralf Meyer, Naveen Arunachalam, and Heather
J. Kulik
- Abstract要約: 単一の密度関数近似を普遍的精度で同定することはなく、DFTから生成されたデータの質が不確実になる。
我々は,金標準に対して最小の誤差でDFAを選択するDFAレコメンデータを構築した。
提案手法は, DFAの最高性能を予測し, 化学的発見に優れた精度(約2kcal/mol)が得られる。
- 参考スコア(独自算出の注目度): 0.4063872661554894
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Approximate density functional theory (DFT) has become indispensable owing to
its cost-accuracy trade-off in comparison to more computationally demanding but
accurate correlated wavefunction theory. To date, however, no single density
functional approximation (DFA) with universal accuracy has been identified,
leading to uncertainty in the quality of data generated from DFT. With electron
density fitting and transfer learning, we build a DFA recommender that selects
the DFA with the lowest expected error with respect to gold standard but
cost-prohibitive coupled cluster theory in a system-specific manner. We
demonstrate this recommender approach on vertical spin-splitting energy
evaluation for challenging transition metal complexes. Our recommender predicts
top-performing DFAs and yields excellent accuracy (ca. 2 kcal/mol) for chemical
discovery, outperforming both individual transfer learning models and the
single best functional in a set of 48 DFAs. We demonstrate the transferability
of the DFA recommender to experimentally synthesized compounds with distinct
chemistry.
- Abstract(参考訳): 近似密度汎関数理論(DFT)は、より計算的に要求されるが正確な相関波動関数理論と比較して、そのコスト-精度トレードオフのため、不可欠である。
しかし, 単一密度汎関数近似 (DFA) の普遍的精度は確認されていないため, DFTから生成されたデータの品質は不確実である。
電子密度の嵌合と移動学習により,金標準に対して最も低い期待誤差でDFAを選択するDFAレコメンデータをシステム固有の方法で構築する。
遷移金属錯体の垂直スピン分離エネルギー評価における提案手法について述べる。
提案手法は, DFAの最高性能を予測し, 化学的発見に優れた精度(約2kcal/mol)が得られる。
そこで我々は, DFAレコメンデータの異なる化学組成の化合物への転写性を示す。
関連論文リスト
- Machine learning Hubbard parameters with equivariant neural networks [0.0]
等変ニューラルネットワークに基づく機械学習モデルを提案する。
ここでは,繰り返し線形応答計算を用いて自己整合的に計算したハバードパラメータの予測を行う。
本モデルでは,Hubbard $U$および$V$パラメータの平均絶対相対誤差を平均3%,5%とする。
論文 参考訳(メタデータ) (2024-06-04T16:21:24Z) - Flow matching achieves almost minimax optimal convergence [50.38891696297888]
フローマッチング (FM) は, シミュレーションのない生成モデルとして注目されている。
本稿では,大試料径のFMの収束特性を$p$-Wasserstein 距離で論じる。
我々は、FMが1leq p leq 2$でほぼ最小の収束率を達成できることを確立し、FMが拡散モデルに匹敵する収束率に達するという最初の理論的証拠を示す。
論文 参考訳(メタデータ) (2024-05-31T14:54:51Z) - Grad DFT: a software library for machine learning enhanced density
functional theory [0.0]
密度汎関数理論(DFT)は、計算量子化学と材料科学の基盤となっている。
最近の研究は、機械学習がDFTの能力をいかに拡張できるかを探求し始めている。
我々は、完全に差別化可能なJAXベースのDFTライブラリであるGrad DFTを紹介し、高速なプロトタイピングと機械学習による交換相関エネルギー関数の実験を可能にする。
論文 参考訳(メタデータ) (2023-09-23T00:25:06Z) - On the Theories Behind Hard Negative Sampling for Recommendation [51.64626293229085]
ハードネガティブサンプリング(HNS)を効果的に活用するための2つの洞察に富んだガイドラインを提供する。
パーソナライズされたランク付け(BPR)学習者におけるHNSの利用は、一方通行部分AUC(OPAUC)の最適化と等価であることを示す。
これらの分析は、初めてトップKレコメンデーションパフォーマンスを最適化するHNSの理論的基盤を確立する。
論文 参考訳(メタデータ) (2023-02-07T13:57:03Z) - Improving and generalizing flow-based generative models with minibatch
optimal transport [90.01613198337833]
連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。
CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。
我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
論文 参考訳(メタデータ) (2023-02-01T14:47:17Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。
PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文 参考訳(メタデータ) (2021-11-01T09:17:15Z) - Comparison of Optical Response from DFT Random Phase Approximation and
Low-Energy Effective Model: Strained Phosphorene [0.0]
低エネルギー有効モデルと密度汎関数理論(DFT)の両方を用いて分散誘電率テンソルを比較して比較する。
この結果から, 広く使用されているDFTパッケージのランダム位相近似は, 信頼性の高い材料の基本電子特性を予測できるように再検討し, 改善することが示唆された。
論文 参考訳(メタデータ) (2021-09-01T18:00:06Z) - Machine learning to tame divergent density functional approximations: a
new path to consensus materials design principles [4.700621178941319]
複数の家族と「群」にまたがる23の代表的DFAから、迅速に資産予測を得るアプローチを導入する。
DFA毎に独立したMLモデルをトレーニングし、特徴重要度における収束傾向を観察する。
ANNが予測するDFA特性のコンセンサスを求めることにより、これらの計算鉛化合物と文学的な化合物との対応性を改善する。
論文 参考訳(メタデータ) (2021-06-24T15:43:57Z) - Learning the exchange-correlation functional from nature with fully
differentiable density functional theory [0.0]
我々は、完全に微分可能な3次元コーン・シャム密度汎関数論フレームワーク内での交換相関関数を置き換えるためにニューラルネットワークを訓練する。
我々の訓練された交換相関ネットワークは110分子の集合体における原子化とイオン化エネルギーの予測を改善した。
論文 参考訳(メタデータ) (2021-02-08T14:25:10Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳(メタデータ) (2020-02-25T15:12:15Z)
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。