論文の概要: Atomistic structure search using local surrogate mode

• arxiv url: http://arxiv.org/abs/2208.09273v1
• Date: Fri, 19 Aug 2022 11:40:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-22 17:45:46.281096
• Title: Atomistic structure search using local surrogate mode
• Title（参考訳）: 局所代理モードを用いた原子構造探索
• Authors: Nikolaj R{\o}nne, Mads-Peter V. Christiansen, Andreas M{\o}ller Slavensky, Zeyuan Tang, Florian Brix, Mikkel Elkj{\ae}r Pedersen, Malthe Kj{\ae}r Bisbo, Bj{\o}rk Hammer
• Abstract要約: 本稿では,グローバルな構造探索手法と組み合わせた局所代理モデルについて述べる。 このモデルはAtomistic Global Optimization Xフレームワークで実装されている。 分子、ナノ粒子、表面支持クラスター、表面薄膜を含む幅広い原子系に対して堅牢であることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe a local surrogate model for use in conjunction with global structure search methods. The model follows the Gaussian approximation potential (GAP) formalism and is based on a the smooth overlap of atomic positions descriptor with sparsification in terms of a reduced number of local environments using mini-batch $k$-means. The model is implemented in the Atomistic Global Optimization X framework and used as a partial replacement of the local relaxations in basin hopping structure search. The approach is shown to be robust for a wide range of atomistic system including molecules, nano-particles, surface supported clusters and surface thin films. The benefits in a structure search context of a local surrogate model are demonstrated. This includes the ability to transfer learning from smaller systems as well as the possibility to perform concurrent multi-stoichiometry searches.
• Abstract（参考訳）: 本稿では,グローバルな構造探索手法と組み合わせた局所代理モデルについて述べる。 このモデルはガウス近似ポテンシャル (GAP) の定式化に従っており、ミニバッチ$k$-means を用いた局所環境の削減の観点から、原子位置記述子のスムーズな重複に基づく。 このモデルはAtomistic Global Optimization Xフレームワークで実装され、流域ホッピング構造探索における局所緩和の部分的な代替として使用される。 このアプローチは分子、ナノ粒子、表面担持クラスター、表面薄膜を含む幅広い原子系に対して堅牢であることが示されている。 局所代理モデルの構造探索コンテキストにおける利点を実証する。 これには、より小さなシステムから学習を転送する機能や、同時マルチストイテメトリ検索の実行機能が含まれる。

関連論文リスト

• Computing Low-Entropy Couplings for Large-Support Distributions [53.00113867130712]
  最小エントロピー結合は因果関係やステガノグラフィーなどの分野で応用されている。 既存のアルゴリズムは、大容量の分布に対して計算的に抽出可能であるか、特定の分布タイプに限定されている。 この研究は、事前の反復MECアプローチを一般化されたパーティションベースの形式主義に統一することにより、これらの制限に対処する。
  論文  参考訳（メタデータ） (2024-05-29T21:54:51Z)
• Fleet of Agents: Coordinated Problem Solving with Large Language Models using Genetic Particle Filtering [10.167121757937062]
  Fleet of Agents(FoA)は、動的ツリー検索をナビゲートするエージェントとして、大きな言語モデルを利用するフレームワークである。 FoAは多数のエージェントを発生させ、それぞれが自律的に探索し、選択フェーズが続く。 2つのベンチマークタスクである"Game of 24"と"Mini-Crosswords"を使ってFoAを実験的に検証する。
  論文  参考訳（メタデータ） (2024-05-07T09:36:23Z)
• Learning Regions of Interest for Bayesian Optimization with Adaptive Level-Set Estimation [84.0621253654014]
  本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。 理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
  論文  参考訳（メタデータ） (2023-07-25T09:45:47Z)
• A framework for efficient ab initio electronic structure with Gaussian Process States [0.0]
  本稿では,現代の機械学習による量子多体状態の表現を用いて,現実的なフェルミオン系の効率的なシミュレーションを行うための枠組みを提案する。 3次元水素中のモット転移の単純化されたモデルを含む、最大64個の電子を持つ系の競合精度を示す。
  論文  参考訳（メタデータ） (2023-02-02T13:40:38Z)
• Local Sample-weighted Multiple Kernel Clustering with Consensus Discriminative Graph [73.68184322526338]
  マルチカーネルクラスタリング(MKC)は、ベースカーネルの集合から最適な情報融合を実現するためにコミットされる。 本稿では,新しい局所サンプル重み付きマルチカーネルクラスタリングモデルを提案する。 実験により, LSWMKCはより優れた局所多様体表現を有し, 既存のカーネルやグラフベースのクラスタリングアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-07-05T05:00:38Z)
• Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
  この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。 言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
  論文  参考訳（メタデータ） (2022-01-08T00:47:50Z)
• Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
  提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。 私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
  論文  参考訳（メタデータ） (2021-07-28T03:46:57Z)
• Clustered Federated Learning via Generalized Total Variation Minimization [83.26141667853057]
  本研究では,分散ネットワーク構造を持つローカルデータセットの局所的(あるいはパーソナライズされた)モデルを学習するための最適化手法について検討する。 我々の主要な概念的貢献は、総変動最小化(GTV)としてフェデレーション学習を定式化することである。 私たちのアルゴリズムの主な貢献は、完全に分散化されたフェデレーション学習アルゴリズムです。
  論文  参考訳（メタデータ） (2021-05-26T18:07:19Z)
• Locally induced Gaussian processes for large-scale simulation experiments [0.0]
  本稿では,ポイントの配置とその多さを病理学的に抑制できることを示す。 提案手法は,グローバルなインジェクションポイントとデータサブセットに基づく局所GP近似をハイブリダイズする。 計算効率のフロンティアにおいて,局所誘導点がグローバルおよびデータサブセットの構成要素を拡張していることを示す。
  論文  参考訳（メタデータ） (2020-08-28T21:37:46Z)
• Max-Affine Spline Insights into Deep Generative Networks [8.579613053834342]
  我々は,GDN(Generative Deep Networks)の大規模なクラスをスプライン演算子と接続し,それらの特性,制限,新たな機会を導出する。 生成した多様体の潜在空間分割、次元、角度を特徴付けることにより、多様体次元と近似誤差とサンプルサイズを関連付ける。 生成多様体上の出力確率密度を潜在空間密度の観点から導出し、シャノンエントロピーのような重要な統計量の計算を可能にする。
  論文  参考訳（メタデータ） (2020-02-26T00:20:02Z)

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。