論文の概要: Towards Combinatorial Generalization for Catalysts: A Kohn-Sham Charge-Density Approach

• arxiv url: http://arxiv.org/abs/2310.18702v1
• Date: Sat, 28 Oct 2023 13:04:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-31 17:09:03.280616
• Title: Towards Combinatorial Generalization for Catalysts: A Kohn-Sham Charge-Density Approach
• Title（参考訳）: 触媒の組合せ一般化に向けて-コーン・シャム電荷密度アプローチ
• Authors: Phillip Pope and David Jacobs
• Abstract要約: 密度モデルは、列車時に見えない要素の組み合わせで新しい構造を一般化できることを示す。 その結果、二分数および三分数テストケースの80%以上は、密度汎関数論の標準基底線よりも早く収束できることがわかった。
• 参考スコア（独自算出の注目度）: 10.990814191816192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Kohn-Sham equations underlie many important applications such as the discovery of new catalysts. Recent machine learning work on catalyst modeling has focused on prediction of the energy, but has so far not yet demonstrated significant out-of-distribution generalization. Here we investigate another approach based on the pointwise learning of the Kohn-Sham charge-density. On a new dataset of bulk catalysts with charge densities, we show density models can generalize to new structures with combinations of elements not seen at train time, a form of combinatorial generalization. We show that over 80% of binary and ternary test cases achieve faster convergence than standard baselines in Density Functional Theory, amounting to an average reduction of 13% in the number of iterations required to reach convergence, which may be of independent interest. Our results suggest that density learning is a viable alternative, trading greater inference costs for a step towards combinatorial generalization, a key property for applications.
• Abstract（参考訳）: コーン・シャム方程式は、新しい触媒の発見など、多くの重要な応用をもたらす。 触媒モデリングに関する最近の機械学習の研究は、エネルギーの予測に焦点を絞っているが、まだ大きな分散の一般化は示されていない。 ここでは、コーン・シャム電荷密度のポイントワイズ学習に基づく別のアプローチを検討する。 電荷密度を持つバルク触媒の新しいデータセットでは、密度モデルが列車時に見られない元素の組み合わせで新しい構造に一般化できることが示される。 二元系および三元系テストケースの80%以上が密度汎関数理論の標準ベースラインよりも高速に収束し、独立利害関係にある収束に要するイテレーション数が平均13%減少することを示した。 以上の結果から,密度学習が実現可能な代替手段であり,アプリケーションにとって重要な特性である組合せ一般化への一歩として,推論コストの増大が示唆された。

関連論文リスト

• Training Nonlinear Transformers for Chain-of-Thought Inference: A Theoretical Generalization Analysis [82.51626700527837]
  チェーン・オブ・シフト(Chain-of-shift, CoT)は、複数の中間ステップを持つ例を用いてクエリを増強することにより、大規模言語モデルの推論能力を実現する効率的な手法である。 CoT の理論的成功にもかかわらず、CoT が成立しても正確な一般化が得られないことを示す。
  論文  参考訳（メタデータ） (2024-10-03T03:12:51Z)
• Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
  I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。 帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。 本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。 第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
  論文  参考訳（メタデータ） (2024-08-03T13:37:40Z)
• Non-negative Tensor Mixture Learning for Discrete Density Estimation [3.9633191508712398]
  非負のテンソル分解に対する期待最大化に基づくフレームワークを提案する。 マルチボディ近似の閉形式解は、Mステップで全てのパラメータを同時に更新することができる。
  論文  参考訳（メタデータ） (2024-05-28T14:28:28Z)
• DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
  本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。 任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。 各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-01-23T15:18:54Z)
• New Local Explorations of the Unitary Coupled Cluster Energy Landscape [0.0]
  本稿では,3位以上の誘導体を用いて,真のUCCSDの変動下界を部分的に復元する手法を提案する。 この「対角近似」を高次項に近似することで、強い相関関係に対する特異点近傍の感度を減少させるのに有効である。
  論文  参考訳（メタデータ） (2022-07-08T19:12:46Z)
• Newton Cradle Spectra [0.0]
  固有値と固有ベクトルの挙動に関する非摂動的な結果を示す。 これらの結果を量子コンピューティングと情報理論に適用する。
  論文  参考訳（メタデータ） (2022-06-20T18:00:02Z)
• Beyond Smoothness: Incorporating Low-Rank Analysis into Nonparametric Density Estimation [20.38883021295225]
  タッカー分解に基づく新しい非パラメトリック潜在変数モデルを提案する。 提案手法の初歩的な実装により,標準ヒストグラム推定器よりもかなりの性能向上が実証された。
  論文  参考訳（メタデータ） (2022-04-02T19:45:07Z)
• Model based Multi-agent Reinforcement Learning with Tensor Decompositions [52.575433758866936]
  本稿では、CPランクの低いテンソルとして遷移関数と報酬関数をモデル化することにより、未探索の状態-作用対上の状態-作用空間の一般化を考察する。 合成MDPの実験により、モデルに基づく強化学習アルゴリズムでテンソル分解を用いることで、真の遷移関数と報酬関数が実際に低ランクである場合、はるかに高速な収束が得られることが示された。
  論文  参考訳（メタデータ） (2021-10-27T15:36:25Z)
• Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
  特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。 我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
  論文  参考訳（メタデータ） (2021-10-03T05:38:49Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)
• Density driven correlations in ensemble density functional theory: insights from simple excitations in atoms [0.0]
  エンサンブル密度汎関数理論は、通常のコーン・シャム機械を量子状態アンサンブルに拡張する。 密度駆動相関は、コーン・シャムのアンサンブルの純粋状態密度が相互作用する純粋状態の密度を必ずしも再現しないという事実を説明する。
  論文  参考訳（メタデータ） (2020-01-26T09:58:33Z)

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。