Fugu-MT 論文翻訳(概要): Machine learning for accuracy in density functional approximations

論文の概要: Machine learning for accuracy in density functional approximations

arxiv url: http://arxiv.org/abs/2311.00196v1
Date: Wed, 1 Nov 2023 00:02:09 GMT
ステータス: 処理完了
システム内更新日: 2023-11-02 15:36:35.434416
Title: Machine learning for accuracy in density functional approximations
Title（参考訳）: 密度関数近似における精度の機械学習
Authors: Johannes Voss
Abstract要約: 密度汎関数近似の精度を向上させるために機械学習を適用した最近の進歩を概観する。異なる化学物質と材料クラス間で伝達可能な機械学習モデルを考案する際の約束と課題について論じる。
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: Machine learning techniques have found their way into computational chemistry as indispensable tools to accelerate atomistic simulations and materials design. In addition, machine learning approaches hold the potential to boost the predictive power of computationally efficient electronic structure methods, such as density functional theory, to chemical accuracy and to correct for fundamental errors in density functional approaches. Here, recent progress in applying machine learning to improve the accuracy of density functional and related approximations is reviewed. Promises and challenges in devising machine learning models transferable between different chemistries and materials classes are discussed with the help of examples applying promising models to systems far outside their training sets.
Abstract（参考訳）: 機械学習技術は、原子論シミュレーションと材料設計を加速するために必要なツールとして計算化学への道を見出した。さらに、機械学習アプローチは、密度汎関数理論のような計算効率のよい電子構造法の予測能力を化学的精度に向上し、密度汎関数法の基本誤差を補正する可能性を秘めている。ここでは、密度関数と関連する近似の精度を向上させるために機械学習を適用する最近の進歩について述べる。異なる化学物質と材料クラス間で伝達可能な機械学習モデルを考案する際の約束と課題は、トレーニングセット外のシステムに有望なモデルを適用する例を用いて議論する。

関連論文リスト

Physical Consistency Bridges Heterogeneous Data in Molecular Multi-Task Learning [79.75718786477638]
我々は、それらを接続する物理法則が存在する分子的タスクの専門性を生かし、整合性トレーニングアプローチを設計する。より正確なエネルギーデータにより、構造予測の精度が向上することを示した。また、整合性トレーニングは、構造予測を改善するために、力と非平衡構造データを直接活用できることがわかった。
論文参考訳（メタデータ） (2024-10-14T03:11:33Z)
Physics-Informed Weakly Supervised Learning for Interatomic Potentials [17.165117198519248]
我々は、機械学習型原子間ポテンシャルのトレーニングのための物理インフォームド、弱教師付きアプローチを導入する。我々は、様々なベースラインモデルとベンチマークデータセットに対して、エネルギーと力の誤差を(しばしば2倍以下に)減らすことを示した。
論文参考訳（メタデータ） (2024-07-23T12:49:04Z)
Electronic excited states from physically-constrained machine learning [0.0]
本稿では,実効ハミルトニアンの対称性適応MLモデルをトレーニングし,量子力学計算から電子励起を再現する統合モデリング手法を提案する。結果として得られるモデルは、トレーニングされた分子よりもずっと大きく、より複雑な分子を予測できる。
論文参考訳（メタデータ） (2023-11-01T20:49:59Z)
On Data Imbalance in Molecular Property Prediction with Pre-training [16.211138511816642]
プレトレーニングと呼ばれるテクニックは、機械学習モデルの精度を向上させるために使用される。事前トレーニングでは、対象タスクでモデルをトレーニングする前に、対象タスクとは異なるプレテキストタスクでモデルをトレーニングする。本研究では,入力データの不均衡に対処する効果的な事前学習手法を提案する。
論文参考訳（メタデータ） (2023-08-17T12:04:14Z)
Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文参考訳（メタデータ） (2023-06-23T07:53:09Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文参考訳（メタデータ） (2021-06-24T15:58:57Z)
SE(3)-equivariant prediction of molecular wavefunctions and electronic densities [4.2572103161049055]
本稿では,幾何点クラウドデータのためのディープラーニングアーキテクチャを構築するための汎用SE(3)-同変演算とビルディングブロックを紹介する。本モデルでは,従来の最先端モデルと比較して,予測誤差を最大2桁まで低減する。低精度参照波動関数で訓練されたモデルが電子的多体相互作用の正当性を暗黙的に学習するトランスファーラーニングアプリケーションにおいて、我々のアプローチの可能性を実証する。
論文参考訳（メタデータ） (2021-06-04T08:57:46Z)
Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文参考訳（メタデータ） (2021-02-15T19:56:48Z)
OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
論文参考訳（メタデータ） (2020-07-15T22:38:41Z)
Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。