論文の概要: Generalized Many-Body Dispersion Correction through Random-phase Approximation for Chemically Accurate Density Functional Theory

• arxiv url: http://arxiv.org/abs/2210.09784v1
• Date: Tue, 18 Oct 2022 11:56:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 16:09:23.426023
• Title: Generalized Many-Body Dispersion Correction through Random-phase Approximation for Chemically Accurate Density Functional Theory
• Title（参考訳）: 化学精度密度汎関数理論のためのランダム位相近似による一般化多体分散補正
• Authors: Pier Paolo Poier, Louis Lagard\`ere, Jean-Philip Piquemal
• Abstract要約: 我々は最近提案したディープラーニング支援多体分散モデル(DNN-MBD)を四極分極性(Q)に拡張する。 転送可能で効率的なディープ・ニューロナール・ネットワーク(DNN)は分子体積の原子を提供し、一方1つのレンジ分離パラメータはモデルと密度汎関数理論を結合するために用いられる。
• 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 extend our recently proposed Deep Learning-aided many-body dispersion (DNN-MBD) model to quadrupole polarizability (Q) terms using a generalized Random Phase Approximation (RPA) formalism enabling to include van der Waals contributions beyond dipole. The resulting DNN-MBDQ model only relies on ab initio-derived quantities as the introduced quadrupole polarizabilities are recursively retrieved from dipole ones, in turn modelled via the Tkatchenko-Scheffler method. A transferable and efficient deep-neuronal network (DNN) provides atom in molecule volumes, while a single range-separation parameter is used to couple the model to Density Functional Theory (DFT). Since it can be computed at negligible cost, the DNN-MBDQ approach can be coupled with DFT functionals such as as PBE/PBE0 or B86bPBE(dispersionless). DNN-MBQ-PBE/PBE0 reaches chemical accuracy exhibiting superior accuracy compared to other dispersion-corrected models, especially at near-equilibrium ranges where errors are lowered by nearly 25% compared to our dipole-only approach while gains reach nearly 50% compared to other corrected schemes.
• Abstract（参考訳）: 我々は最近提案する深層学習支援多体分散(dnn-mbd)モデルを一般化ランダム位相近似(rpa)形式を用いて四極子偏光率(q)項に拡張し、双極子を超えてファンデルワールスの貢献を含むことを可能にする。 得られたdnn-mbdqモデルは、導入された四重極偏光度が双極子から再帰的に取り出され、tkatchenko-scheffler法によってモデル化されるため、ab initio由来の量のみに依存する。 伝達可能で効率的な深層神経ネットワーク(dnn)は分子体積に原子を与え、単一の範囲分離パラメータは密度汎関数理論(dft)にモデルを結合するために用いられる。 無視可能なコストで計算できるので、DNN-MBDQ アプローチは PBE/PBE0 や B86bPBE (dispersionless) のような DFT 関数と結合することができる。 dnn-mbq-pbe/pbe0は、他の分散補正モデルと比較して高い精度を示す化学精度に達し、特に、我々の双極子のみのアプローチに比べて誤差が25%近く低下し、他の補正されたスキームと比較して50%近く向上する近平衡範囲において、高い精度を示す。

関連論文リスト

• RoPINN: Region Optimized Physics-Informed Neural Networks [66.38369833561039]
  物理インフォームドニューラルネットワーク(PINN)は偏微分方程式(PDE)の解法として広く応用されている。 本稿では,地域最適化としての新たな訓練パラダイムを提案し,理論的に検討する。 実践的なトレーニングアルゴリズムであるRerea Optimized PINN(RoPINN)は、この新しいパラダイムからシームレスに派生している。
  論文  参考訳（メタデータ） (2024-05-23T09:45:57Z)
• Diffusion Models are Minimax Optimal Distribution Estimators [49.47503258639454]
  拡散モデリングの近似と一般化能力について、初めて厳密な分析を行った。 実密度関数がベソフ空間に属し、経験値整合損失が適切に最小化されている場合、生成したデータ分布は、ほぼ最小の最適推定値が得られることを示す。
  論文  参考訳（メタデータ） (2023-03-03T11:31:55Z)
• Accuracy of quantum simulators with ultracold dipolar molecules: a quantitative comparison between continuum and lattice descriptions [0.6389763375457851]
  光格子における双極子粒子の一次元気体の連続体記述と、量子的にシミュレートされる単一バンドボース・ハッバード格子モデルとの比較を行った。 強いDDIと高い密度のレジームでは、連続体系は所望の格子モデルを再現できないことを示す。 2バンドハバードモデルは連続体と格子記述の差を小さくするために必要となるが、密度分布の偏差は依然として残っている。
  論文  参考訳（メタデータ） (2022-11-17T19:00:00Z)
• Matching Normalizing Flows and Probability Paths on Manifolds [57.95251557443005]
  連続正規化フロー (Continuous Normalizing Flows, CNFs) は、常微分方程式(ODE)を解くことによって、先行分布をモデル分布に変換する生成モデルである。 我々は,CNFが生成する確率密度パスと目標確率密度パスとの間に生じる新たな分岐系であるPPDを最小化して,CNFを訓練することを提案する。 PPDの最小化によって得られたCNFは、既存の低次元多様体のベンチマークにおいて、その可能性とサンプル品質が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-11T08:50:19Z)
• Molecular Dipole Moment Learning via Rotationally Equivariant Gaussian Process Regression with Derivatives in Molecular-orbital-based Machine Learning [0.0]
  本研究は、分子軌道ベース機械学習(MOB-ML)の正確かつ伝達可能なアプローチを拡張した。 双極子モーメントの相関部の分子軌道ベース(MOB)対分解を適用する。 提案した問題設定,特徴設計,MLアルゴリズムは,高精度なモデルを提供する。
  論文  参考訳（メタデータ） (2022-05-31T02:42:50Z)
• Electron-Affinity Time-Dependent Density Functional Theory: Formalism and Applications to Core-Excited States [0.0]
  粒子-ホール相互作用問題は時間依存密度汎関数理論の中で長く続いている。 我々は、n-1電子系の最適化軌道を基準として、線形応答形式を導出する。 我々のアプローチは、静的交換近似の正確な一般化であり、TDDFT XASの誤差を桁違いに削減する。
  論文  参考訳（メタデータ） (2022-05-17T23:05:15Z)
• Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery [62.997667081978825]
  本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。 ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-03-03T19:56:24Z)
• 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)
• Moser Flow: Divergence-based Generative Modeling on Manifolds [49.04974733536027]
  Moser Flow (MF) は連続正規化フロー(CNF)ファミリーにおける新しい生成モデルのクラスである MFは、訓練中にODEソルバを介して呼び出しやバックプロパゲートを必要としない。 一般曲面からのサンプリングにおけるフローモデルの利用を初めて実演する。
  論文  参考訳（メタデータ） (2021-08-18T09:00:24Z)
• Deep neural network enabled corrective source term approach to hybrid analysis and modeling [0.0]
  ハイブリッド分析モデリング(Hybrid Analysis and Modeling, HAM)は、物理に基づくモデリングとデータ駆動モデリングを組み合わせることを目的とした、新しいモデリングパラダイムである。 補正元項アプローチ(CoSTA)のHAMに対する新しいアプローチを導入し、正当化し、実証する。
  論文  参考訳（メタデータ） (2021-05-24T20:17:13Z)
• Non-intrusive reduced order modeling of poroelasticity of heterogeneous media based on a discontinuous Galerkin approximation [0.0]
  異種多孔質媒体における線形多弾性問題に対する非侵入的モデル還元フレームワークを提案する。 内部ペナルティ不連続ガレルキン法(DG法)を全順序解法として利用し,不連続性を扱う。 我々のフレームワークは、DGソリューションの妥当な近似を提供するが、かなり高速である。
  論文  参考訳（メタデータ） (2021-01-28T04:21:06Z)

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。