論文の概要: Perfecting Liquid-State Theories with Machine Intelligence

• arxiv url: http://arxiv.org/abs/2311.05167v1
• Date: Thu, 9 Nov 2023 06:43:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 16:09:26.119732
• Title: Perfecting Liquid-State Theories with Machine Intelligence
• Title（参考訳）: マシンインテリジェンスによる液体理論の完全化
• Authors: Jianzhong Wu and Mengyang Gu
• Abstract要約: この観点からは,近年の関数型機械学習の進歩を活かした液体状態理論の今後の発展を論じる。 我々は、液体状態理論が精度、スケーラビリティ、計算効率を大幅に改善し、様々な材料や化学システムにまたがる幅広い応用を可能にすることを期待する。
• 参考スコア（独自算出の注目度）: 2.12121796606941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have seen a significant increase in the use of machine intelligence for predicting electronic structure, molecular force fields, and the physicochemical properties of various condensed systems. However, substantial challenges remain in developing a comprehensive framework capable of handling a wide range of atomic compositions and thermodynamic conditions. This perspective discusses potential future developments in liquid-state theories leveraging on recent advancements of functional machine learning. By harnessing the strengths of theoretical analysis and machine learning techniques including surrogate models, dimension reduction and uncertainty quantification, we envision that liquid-state theories will gain significant improvements in accuracy, scalability and computational efficiency, enabling their broader applications across diverse materials and chemical systems.
• Abstract（参考訳）: 近年、電子構造、分子力場、および様々な凝縮系の物理化学的性質を予測するための機械知能の利用が著しく増加している。 しかし、幅広い原子組成と熱力学条件を扱える包括的枠組みの開発には大きな課題が残っている。 この観点からは,近年の関数型機械学習の進歩を活かした液体状態理論の今後の発展を論じる。 代理モデル,次元縮小,不確実性定量化などの理論解析および機械学習技術の強みを活用することで,液体状態理論が精度,拡張性,計算効率を大幅に向上し,多様な材料や化学システムにまたがる幅広い応用を可能にすることを期待する。

関連論文リスト

• Understanding Machine Learning Paradigms through the Lens of Statistical Thermodynamics: A tutorial [0.0]
  このチュートリアルは、エントロピー、自由エネルギー、そして機械学習に使用される変分推論のような高度なテクニックを掘り下げる。 物理的システムの振る舞いを深く理解することで、より効果的で信頼性の高い機械学習モデルが得られることを示す。
  論文  参考訳（メタデータ） (2024-11-24T18:20:05Z)
• Thermal density functional theory approach to quantum thermodynamics [0.0]
  有限温度における量子クエンチに関連する仕事統計と不可逆エントロピーに関する情報を抽出する密度汎関数理論手法を提案する。 本手法は, 相互作用と外的ポテンシャルが熱力学特性に与える影響を明らかにするのに有用であることを示す。
  論文  参考訳（メタデータ） (2024-09-04T09:27:05Z)
• Symmetry-invariant quantum machine learning force fields [0.0]
  我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。 この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-19T16:15:53Z)
• Cold-atom quantum simulators of gauge theories [1.4341135588371103]
  本論では、ゲージ理論の冷原子量子シミュレータの進歩を概説する。 我々は、この分野がどこへ向かっているのか、そして、その技術を次のレベルへと導くために実験的に、理論的に何が必要か、簡単な展望を提供する。
  論文  参考訳（メタデータ） (2023-10-18T18:00:02Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
  機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。 物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
  論文  参考訳（メタデータ） (2022-03-11T18:27:04Z)
• Few-body Bose gases in low dimensions -- a laboratory for quantum dynamics [0.0]
  理論的な観点から, 低次元に閉じ込められた多体低温原子系の最近の進歩を論じる。 我々は主に1次元のボゾン系に焦点をあて、相関の存在によって刺激される量子力学過程の最先端の研究をレビューする前に静的特性の紹介を行う。
  論文  参考訳（メタデータ） (2022-02-22T17:57:20Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• Enhancement of quantum correlations and geometric phase for a driven bipartite quantum system in a structured environment [77.34726150561087]
  構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。 この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
  論文  参考訳（メタデータ） (2021-03-18T21:11:37Z)
• Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
  デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。 このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
  論文  参考訳（メタデータ） (2021-01-21T20:10:38Z)
• Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
  論文は、非平衡状態における強相関量子系の量子力学に関するものである。 本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
  論文  参考訳（メタデータ） (2020-07-23T19:05:56Z)

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。