論文の概要: GEM-2: Next Generation Molecular Property Prediction Network with Many-body and Full-range Interaction Modeling

• arxiv url: http://arxiv.org/abs/2208.05863v2
• Date: Mon, 15 Aug 2022 07:46:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 11:18:00.389335
• Title: GEM-2: Next Generation Molecular Property Prediction Network with Many-body and Full-range Interaction Modeling
• Title（参考訳）: GEM-2:多体・フルレンジ相互作用モデリングを用いた次世代分子特性予測ネットワーク
• Authors: Lihang Liu, Donglong He, Xiaomin Fang, Shanzhuo Zhang, Fan Wang, Jingzhou He, Hua Wu
• Abstract要約: GEM-2は分子のシュリンガー方程式を解く新しい方法である。 それは分子の長距離と多体相互作用の両方を考慮する。
• 参考スコア（独自算出の注目度）: 24.94616336296936
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Molecular property prediction is a fundamental task in the drug and material industries. Physically, the properties of a molecule are determined by its own electronic structure, which can be exactly described by the Schr\"odinger equation. However, solving the Schr\"odinger equation for most molecules is extremely challenging due to long-range interactions in the behavior of a quantum many-body system. While deep learning methods have proven to be effective in molecular property prediction, we design a novel method, namely GEM-2, which comprehensively considers both the long-range and many-body interactions in molecules. GEM-2 consists of two interacted tracks: an atom-level track modeling both the local and global correlation between any two atoms, and a pair-level track modeling the correlation between all atom pairs, which embed information between any 3 or 4 atoms. Extensive experiments demonstrated the superiority of GEM-2 over multiple baseline methods in quantum chemistry and drug discovery tasks.
• Abstract（参考訳）: 分子特性予測は医薬品や材料産業における基本的な課題である。 物理的には、分子の性質は自身の電子構造によって決定され、シュリンガー方程式によって正確に説明できる。 しかし、ほとんどの分子に対するシュリンガー方程式の解法は、量子多体系の振る舞いにおける長距離相互作用のために非常に難しい。 深層学習法は分子特性予測に有効であることが証明されているが、分子内の長距離および多体相互作用を包括的に考慮する新しい手法であるGEM-2を設計する。 GEM-2は、任意の2つの原子間の局所的および大域的相関をモデル化する原子レベルトラックと、任意の3または4つの原子間の情報を埋め込んだ全ての原子ペア間の相関をモデル化するペアレベルトラックである。 大規模な実験は、量子化学や薬物発見のタスクにおいて、複数のベースライン法よりもGEM-2の方が優れていることを示した。

関連論文リスト

• Time resolved quantum tomography in molecular spectroscopy by the Maximal Entropy Approach [1.7563879056963012]
  光化学反応における分子電子状態間の量子コヒーレンスの役割は何か? 最大エントロピー (MaxEnt) に基づく量子状態トモグラフィ (Quantum State Tomography, QST) アプローチは、分子動力学の研究においてユニークな利点をもたらす。 本稿では,分子の向きに依存した振動ダイナミクスを正確に把握する分子角分布モーメント(MADM)を利用する2つの方法を提案する。 電子サブシステムの絡み合いエントロピーを初めて構築することで、画期的なマイルストーンを達成する。
  論文  参考訳（メタデータ） (2024-07-23T16:43:01Z)
• Neutral-atom qubits in atom-molecular BEC [0.6749750044497732]
  原子-分子ボース-アインシュタイン凝縮体における原子量子ビットの実現を3つの異なるクラスに分けて示す。 エネルギーレベルの分離、ヒーリング長、原子番号などの関連するパラメータは、光結合の非線形性と強度に影響される。
  論文  参考訳（メタデータ） (2024-06-03T10:17:59Z)
• Atom-Motif Contrastive Transformer for Molecular Property Prediction [68.85399466928976]
  グラフトランス (GT) モデルは分子特性予測 (MPP) のタスクで広く利用されている。 本稿では,原子レベルの相互作用を探索し,モチーフレベルの相互作用を考慮した新しいAtom-Motif Contrastive Transformer(AMCT)を提案する。 提案したAMCTは,7つの一般的なベンチマークデータセットに対して広範囲に評価され,定量的および定性的な結果の両方が有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-11T10:03:10Z)
• 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)
• Atomic and Subgraph-aware Bilateral Aggregation for Molecular Representation Learning [57.670845619155195]
  我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。 ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。 本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
  論文  参考訳（メタデータ） (2023-05-22T00:56:00Z)
• Relativistic aspects of orbital and magnetic anisotropies in the chemical bonding and structure of lanthanide molecules [60.17174832243075]
  本研究では, 重同族ランタノイドEr2およびTm2分子の電子的およびロ-振動状態について, 最先端相対論的手法を適用して検討した。 我々は、91のEr2と36のTm2電子ポテンシャルを2つの基底状態原子に解離させることで、信頼できるスピン軌道と相関による分裂を得ることができた。
  論文  参考訳（メタデータ） (2021-07-06T15:34:00Z)
• Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
  分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。 これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
  論文  参考訳（メタデータ） (2021-07-01T01:02:17Z)
• End-to-End Differentiable Molecular Mechanics Force Field Construction [0.5269923665485903]
  化学環境を知覚するためにグラフニューラルネットワークを用いる別のアプローチを提案する。 プロセス全体がモジュール化されており、モデルパラメータに関してエンドツーエンドの差別化が可能である。 本手法は, 従来の原子型を再現するだけでなく, 既存の分子力学力場を正確に再現し, 拡張することができることを示す。
  論文  参考訳（メタデータ） (2020-10-02T20:59:46Z)
• Heterogeneous Molecular Graph Neural Networks for Predicting Molecule Properties [12.897488702184306]
  分子の新規なグラフ表現であるヘテロジニアス分子グラフ(HMG)を導入する。 HMGNNは、グローバル分子表現とアテンション機構を予測プロセスに組み込んでいる。 我々のモデルは、QM9データセット上の12タスクのうち9タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-09-26T23:29:41Z)
• Quantum Simulation of 2D Quantum Chemistry in Optical Lattices [59.89454513692418]
  本稿では,光学格子中の低温原子に基づく離散2次元量子化学モデルのアナログシミュレータを提案する。 まず、単一フェルミオン原子を用いて、HとH$+$の離散バージョンのような単純なモデルをシミュレートする方法を分析する。 次に、一つのボゾン原子が2つのフェルミオン間の効果的なクーロン反発を媒介し、2次元の水素分子の類似性をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-02-21T16:00:36Z)

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。