論文の概要: Capturing long-range interaction with reciprocal space neural network
- arxiv url: http://arxiv.org/abs/2211.16684v1
- Date: Wed, 30 Nov 2022 02:10:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 18:17:26.757422
- Title: Capturing long-range interaction with reciprocal space neural network
- Title（参考訳）: 相互空間ニューラルネットワークによる長距離相互作用のキャプチャ
- Authors: Hongyu Yu, Liangliang Hong, Shiyou Chen, Xingao Gong, Hongjun Xiang
- Abstract要約: クーロンやヴァン・デル・ウェールズポテンシャルのような長距離効果は、ほとんどの機械学習(ML)原子間モデルでは考慮されていない。
我々の研究は、長距離効果を扱う際に、現在のML原子間モデルとポテンシャルの能力を拡大した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine Learning (ML) interatomic models and potentials have been widely
employed in simulations of materials. Long-range interactions often dominate in
some ionic systems whose dynamics behavior is significantly influenced.
However, the long-range effect such as Coulomb and Van der Wales potential is
not considered in most ML interatomic potentials. To address this issue, we put
forward a method that can take long-range effects into account for most ML
local interatomic models with the reciprocal space neural network. The
structure information in real space is firstly transformed into reciprocal
space and then encoded into a reciprocal space potential or a global descriptor
with full atomic interactions. The reciprocal space potential and descriptor
keep full invariance of Euclidean symmetry and choice of the cell. Benefiting
from the reciprocal-space information, ML interatomic models can be extended to
describe the long-range potential including not only Coulomb but any other
long-range interaction. A model NaCl system considering Coulomb interaction and
the GaxNy system with defects are applied to illustrate the advantage of our
approach. At the same time, our approach helps to improve the prediction
accuracy of some global properties such as the band gap where the full atomic
interaction beyond local atomic environments plays a very important role. In
summary, our work has expanded the ability of current ML interatomic models and
potentials when dealing with the long-range effect, hence paving a new way for
accurate prediction of global properties and large-scale dynamic simulations of
systems with defects.
- Abstract（参考訳）: 機械学習(ML)原子間モデルとポテンシャルは、材料のシミュレーションに広く用いられている。
長距離相互作用は、ダイナミクスの挙動が著しく影響するいくつかのイオン系でしばしば支配される。
しかし、クーロンやファン・デル・ウェールズポテンシャルのような長距離効果は、ほとんどのml原子間ポテンシャルでは考慮されない。
この問題に対処するために、相互空間ニューラルネットワークを用いたほとんどのML局所原子間モデルを考慮した長距離効果を考慮した手法を提案する。
実空間の構造情報は、まず相反空間に変換され、次に完全な原子相互作用を持つ相反空間ポテンシャルまたは大域ディスクリプタに符号化される。
相互空間ポテンシャルとディスクリプタは、ユークリッド対称性と細胞の選択の完全な不変性を維持する。
相互空間情報から、ml原子間モデルを拡張して、クーロンだけでなく、その他の長距離相互作用を含む長距離ポテンシャルを記述することができる。
クーロン相互作用を考慮したモデルNaCl系と欠陥のあるGaxNy系を適用し,本手法の利点を示す。
同時に,このアプローチは,局所原子環境を超えた完全な原子間相互作用が重要な役割を果たすバンドギャップなどのグローバル特性の予測精度を向上させるのに役立つ。
まとめると、我々の研究は、長距離効果を扱う際の現在のml原子間モデルとポテンシャルの能力を拡大し、グローバル特性の正確な予測と欠陥のあるシステムの大規模動的シミュレーションのための新しい方法を生み出した。
関連論文リスト
- Scalable spin squeezing from critical slowing down in short-range interacting systems [0.0]
本稿では,2次元U(1)対称系において,短距離相互作用でもスケーラブルなスクイージングが実現可能であることを示す。
本研究は,量子シミュレーションと情報処理の多くの関連プラットフォームにおいて,潜在的な気象学的関心を持つ巨大な絡み合った状態を実現するための道を開くものである。
論文 参考訳（メタデータ） (2024-04-18T21:29:43Z) - Inferring Relational Potentials in Interacting Systems [56.498417950856904]
このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。
NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。
別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
論文 参考訳（メタデータ） (2023-10-23T00:44:17Z) - Learning Interatomic Potentials at Multiple Scales [1.2162698943818964]
短時間のステップを使う必要性は、分子動力学(MD)シミュレーションの速度における鍵となる限界である。
本研究では,2つのMLIPを協調学習することにより,複雑な原子間相互作用のスケール分離を学習する手法を提案する。
論文 参考訳（メタデータ） (2023-10-20T18:34:32Z) - 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) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳（メタデータ） (2022-10-03T16:51:25Z) - Real space Mott-Anderson electron localization with long-range
interactions: exact and approximate descriptions [0.0]
本研究では、乱れたポテンシャルの存在下で相互作用する電子の1次元実空間モデルについて検討する。
非局在化相と局所化相の遷移は、2つの異なる指標を用いて特徴づけられる。
この多体局在モデルの正確な基底状態密度を再現するための密度汎関数近似の性能を測る。
論文 参考訳（メタデータ） (2022-08-30T21:35:46Z) - Machine learning predictions for local electronic properties of
disordered correlated electron systems [2.984639473379942]
局所電子特性を予測するため,スケーラブルな機械学習(ML)モデルを提案する。
我々のアプローチは多電子系の局所性原理、すなわち近視性の性質に基づいている。
本研究は,相関電子系のマルチスケールモデリングにおけるML法の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2022-04-12T17:28:51Z) - Tuning long-range fermion-mediated interactions in cold-atom quantum
simulators [68.8204255655161]
コールド原子量子シミュレータにおける工学的な長距離相互作用は、エキゾチックな量子多体挙動を引き起こす。
そこで本研究では,現在実験プラットフォームで利用可能ないくつかのチューニングノブを提案する。
論文 参考訳（メタデータ） (2022-03-31T13:32:12Z) - Temporal entanglement, quasiparticles and the role of interactions [0.0]
我々は、相互作用するXXZハイゼンベルクモデルのリアルタイムトロッター化に対応する離散可積分力学系の量子クエンチを解析する。
本研究は, 相互作用の非自明な役割を浮き彫りにし, 相互作用可積分系の局所力学を効率的にシミュレートする可能性に関する興味深い疑問を提起する。
論文 参考訳（メタデータ） (2021-12-28T19:01:20Z) - Spin Entanglement and Magnetic Competition via Long-range Interactions
in Spinor Quantum Optical Lattices [62.997667081978825]
超低温物質中における空洞を介する長距離磁気相互作用と光学格子の効果について検討した。
競合シナリオを導入しながら,グローバルな相互作用がシステムの根底にある磁気特性を変化させていることが判明した。
これにより、量子情報目的のためのロバストなメカニズムの設計に向けた新しい選択肢が可能になる。
論文 参考訳（メタデータ） (2020-11-16T08:03:44Z) - Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。
モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。
その結果,クロスバリデーションにより予測精度が期待できることがわかった。
論文 参考訳（メタデータ） (2020-05-27T13:32:10Z)
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。