論文の概要: Efficient Calculation of NMR Shielding Constants Using Composite Method Approximations and Locally Dense Basis Sets

• arxiv url: http://arxiv.org/abs/2209.04578v2
• Date: Sat, 12 Nov 2022 04:32:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-27 02:53:15.322394
• Title: Efficient Calculation of NMR Shielding Constants Using Composite Method Approximations and Locally Dense Basis Sets
• Title（参考訳）: 複合近似と局所密度基底集合を用いたnmr遮蔽定数の効率的な計算
• Authors: Jiashu Liang, Zhe Wang, Jie Li, Jonathan Wong, Xiao Liu, Brad Ganoe, Teresa Head-Gordon, Martin Head-Gordon
• Abstract要約: 本稿では, 局所密度基底集合を用いた合成法近似を適用し, NMR遮蔽定数の計算方法を提案する。 基底集合の pcSseg-n 級数は n$geq1$ のときに pcS-n 級数と同様の精度を示し、計算コストをわずかに削減できる。
• 参考スコア（独自算出の注目度）: 11.530552697593881
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a systematic study of applying composite method approximations with locally dense basis sets (LDBS) to efficiently calculate NMR shielding constants in small and medium-sized molecules. The pcSseg-n series of basis sets are shown to have similar accuracy to the pcS-n series when n $\geq1$ and can slightly reduce compute costs. We identify two different LDBS partition schemes that perform very effectively for density functional calculations. We select a large subset of the recent NS372 database containing 290 H, C, N, and O shielding values evaluated by reference methods on 106 molecules to carefully assess methods of the high, medium, and low compute costs to make practical recommendations. Our assessment covers conventional electronic structure methods (DFT and wavefunction) with global basis calculations, as well as their use in one of the satisfactory LDBS approaches, and a range of composite approaches, also with and without LDBS. Altogether 99 methods are evaluated. On this basis, we recommend different methods to reach three different levels of accuracy and time requirements across the four nuclei considered.
• Abstract（参考訳）: 本稿では, 局所密度基底集合 (LDBS) による合成法近似を適用し, NMR遮蔽定数の計算を効率よく行う方法を提案する。 基底集合の pcSseg-n 級数は n$\geq1$ のときに pcS-n 級数と同様の精度を示し、計算コストをわずかに削減できる。 密度汎関数計算に非常に有効な2つのLDBS分割スキームを同定する。 106分子の基準法により評価された290H,C,N,Oシールド値を含む最近のNS372データベースの大規模なサブセットを選択し,高,中,低計算コストの手法を慎重に評価し,実用的なレコメンデーションを行う。 本評価では, 従来の電子構造法(DFT法と波動関数法)を大域的基礎計算と併用し, 満足なLDBS手法の1つ, およびLDBS方式の併用範囲について検討した。 99以上の方法が評価された。 そこで本研究では、4つの核をまたいだ3つの異なる精度と時間要件を満たす方法を推奨する。

関連論文リスト

• BAPULM: Binding Affinity Prediction using Language Models [7.136205674624813]
  本稿では,ProtT5-XL-U50およびMollFormerを介してタンパク質の化学潜伏表現を利用する,革新的な配列ベースフレームワークであるBAPULMを紹介する。 提案手法は,ベンチマーク1k2101, Test2016_290, CSAR-HiQ_36でそれぞれ0.925 $pm$0.043, 0.914 $pm$0.004, 0.8132 $pm$0.0001のシーケンシャルスコアリングパワー(R)値を達成した。
  論文  参考訳（メタデータ） (2024-11-06T04:35:30Z)
• ConjNorm: Tractable Density Estimation for Out-of-Distribution Detection [41.41164637577005]
  ポストホックアウト・オブ・ディストリビューション(OOD)検出は、信頼性の高い機械学習において大きな注目を集めている。 本稿では,密度に基づくスコア設計の統一的な視点を提供するために,Bregmanの発散に基づく理論的枠組みを提案する。 我々は,提案するtextscConjNormが,様々なOOD検出設定において,新たな最先端技術を確立したことを示す。
  論文  参考訳（メタデータ） (2024-02-27T21:02:47Z)
• Estimating the Local Learning Coefficient at Scale [0.0]
  テキスト局所学習係数(英: textitlocal learning coefficient, LLC)は、モデル複雑性を定量化する原理的な方法である。 我々は,最大100Mパラメータの深部線形ネットワーク(DLN)に対して,LLCを正確に,かつ自己整合的に測定する方法を実証的に示す。
  論文  参考訳（メタデータ） (2024-02-06T04:37:09Z)
• A Specialized Semismooth Newton Method for Kernel-Based Optimal Transport [92.96250725599958]
  カーネルベース最適輸送(OT)推定器は、サンプルからOT問題に対処するための代替的機能的推定手順を提供する。 SSN法は, 標準正規性条件下でのグローバル収束率$O (1/sqrtk)$, 局所二次収束率を達成できることを示す。
  論文  参考訳（メタデータ） (2023-10-21T18:48:45Z)
• Deep-Learning-Aided Alternating Least Squares for Tensor CP Decomposition and Its Application to Massive MIMO Channel Estimation [31.14824776920284]
  高精度かつ低レイテンシなチャネル推定を実現するために、良質かつ高速なCP分解アルゴリズムが望まれる。 CP最小二乗法 (CPALS) は、CDDを計算するためのワークホースアルゴリズムである。 本稿では,深層ニューラルネットワーク(DNN)を用いた深層学習支援CPALS(DL-CPALS)手法を提案する。 CPDとチャネル推定の高速化と精度の両面から,提案手法の有意な改善を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2023-05-23T11:17:13Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• Gaussian process regression and conditional Karhunen-Lo\'{e}ve models for data assimilation in inverse problems [68.8204255655161]
  偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。 CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
  論文  参考訳（メタデータ） (2023-01-26T18:14:12Z)
• Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
  単一チャネルソース分離(SCSS)の問題点について検討する。 我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。 本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-22T14:04:56Z)
• Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
  そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。 モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。 提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-22T06:26:29Z)
• Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
  DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
  論文  参考訳（メタデータ） (2021-06-14T17:19:44Z)
• Scalable Distributed Approximation of Internal Measures for Clustering Evaluation [5.144809478361603]
  クラスタリング評価のための内部測度はシルエット係数であり、計算には2つの距離計算が必要である。 本稿では,任意の距離に基づいてクラスタリングの評価を行うための厳密な近似を計算した最初のスケーラブルアルゴリズムを提案する。 また,このアルゴリズムは凝集や分離などのクラスタリング品質の他の内部指標の厳密な近似に適応可能であることも証明した。
  論文  参考訳（メタデータ） (2020-03-03T10:28:14Z)

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。