Fugu-MT 論文翻訳(概要): Artificial intelligence for artificial materials: moir\'e atom

論文の概要: Artificial intelligence for artificial materials: moir\'e atom

arxiv url: http://arxiv.org/abs/2303.08162v1
Date: Tue, 14 Mar 2023 18:21:50 GMT
ステータス: 処理完了
システム内更新日: 2023-03-16 15:52:27.237497
Title: Artificial intelligence for artificial materials: moir\'e atom
Title（参考訳）: 人工材料のための人工知能:moir\'e atom
Authors: Di Luo, Aidan P. Reddy, Trithep Devakul, and Liang Fu
Abstract要約: 原子的に薄いファンデルワールスヘテロ構造におけるムーアの工学は、設計特性を持つ人工量子材料を生成する。 2次元フェルミオン型ニューラルネットワークを用いてモワール超格子ポテンシャル最小値に制限された電子を相互作用する多体問題を解く。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Moir\'e engineering in atomically thin van der Waals heterostructures creates artificial quantum materials with designer properties. We solve the many-body problem of interacting electrons confined to a moir\'e superlattice potential minimum (the moir\'e atom) using a 2D fermionic neural network. We show that strong Coulomb interactions in combination with the anisotropic moir\'e potential lead to striking ``Wigner molecule" charge density distributions observable with scanning tunneling microscopy.
Abstract（参考訳）: 原子的に薄いファンデルワールスヘテロ構造におけるMoir\'eエンジニアリングは、設計特性を持つ人工量子材料を生成する。 2次元フェルミオンニューラルネットワークを用いて、moir\e超格子ポテンシャル最小(moir\e原子)に閉じ込められた相互作用電子の多体問題を解く。異方性moir\'eポテンシャルと組み合わされた強いクーロン相互作用は,走査型トンネル顕微鏡で観察可能な"wigner molecule"電荷密度分布に繋がることを示した。

関連論文リスト

Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
論文参考訳（メタデータ） (2023-02-02T03:49:57Z)
Few-body analogue quantum simulation with Rydberg-dressed atoms in optical lattices [0.913755431537592]
量子化学で見られる問題に似た問題を実現する可能性について検討する。簡単な擬似原子と分子は、最先端の実験において高い忠実度で調製できることを示す。
論文参考訳（メタデータ） (2022-11-28T19:00:21Z)
DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding [68.09519347858962]
従来の研究は通常、原子の要素タイプと3次元座標を1つずつ生成する自己回帰的な方法で原子を生成する。現実世界の分子系では、分子全体の原子間の相互作用が大域的であり、原子間のエネルギー関数が結合する。本研究では、標的タンパク質に基づく分子3次元構造の生成拡散モデルを構築し、非自己回帰的に全原子レベルで構築する。
論文参考訳（メタデータ） (2022-11-21T07:02:15Z)
Atomized Deep Learning Models [80.01881243652281]
より離散化されたサンプル間構造を明示的にモデル化することは、モデルの表現力を高める可能性があることを示す。本稿では,データポイントと原子間の類似を描画することにより,連続的な潜伏空間を識別できる新しい手法Atom Modelingを提案する。
論文参考訳（メタデータ） (2022-10-07T17:56:53Z)
GEM-2: Next Generation Molecular Property Prediction Network with Many-body and Full-range Interaction Modeling [24.94616336296936]
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。
論文参考訳（メタデータ） (2022-08-11T15:12:25Z)
Quantum computation in a hybrid array of molecules and Rydberg atoms [7.425093155951875]
我々は、Rydberg原子と相互作用する極性分子の配列が、スケーラブルな量子計算のための有望なハイブリッドシステムであることを示す。量子情報は、分子の長寿命な超微細状態または回転状態に格納される。この相互作用に基づく2ビットゲートは1mu$sであり、達成可能な忠実度は99.9%である。
論文参考訳（メタデータ） (2022-04-08T20:10:36Z)
Scalable Fragment-Based 3D Molecular Design with Reinforcement Learning [68.8204255655161]
分子構築に階層的エージェントを用いるスケーラブルな3D設計のための新しいフレームワークを提案する。様々な実験において、エネルギーのみを考慮に入れたエージェントが、100以上の原子を持つ分子を効率よく生成できることが示されている。
論文参考訳（メタデータ） (2022-02-01T18:54:24Z)
BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文参考訳（メタデータ） (2021-06-08T10:14:57Z)
On the equivalence of molecular graph convolution and molecular wave function with poor basis set [7.106986689736826]
量子物理学に基づく機械学習モデルである量子深度場(QDF)について述べる。分子エネルギー予測タスクでは、外挿の可能性を実証し、小さな分子でQDFモデルを訓練し、大きな分子でテストし、高い性能を実現した。
論文参考訳（メタデータ） (2020-11-16T13:20:35Z)
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)
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。