論文の概要: Gaussian Plane-Wave Neural Operator for Electron Density Estimation

• arxiv url: http://arxiv.org/abs/2402.04278v1
• Date: Mon, 5 Feb 2024 06:05:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 18:30:36.360058
• Title: Gaussian Plane-Wave Neural Operator for Electron Density Estimation
• Title（参考訳）: 電子密度推定のためのガウス平面波ニューラル演算子
• Authors: Seongsu Kim, Sungsoo Ahn
• Abstract要約: 無限次元関数空間で動作するガウス平面波ニューラル演算子(GPWNO)を紹介する。 特に、密度の高周波数成分と低周波数成分は、2つの基底の相補的な性質により効果的に表すことができる。 QM9、MD、およびマテリアルプロジェクトデータセットに関する実験は、GPWNOの10つのベースラインよりも優れた性能を示している。
• 参考スコア（独自算出の注目度）: 13.999814693861401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work studies machine learning for electron density prediction, which is fundamental for understanding chemical systems and density functional theory (DFT) simulations. To this end, we introduce the Gaussian plane-wave neural operator (GPWNO), which operates in the infinite-dimensional functional space using the plane-wave and Gaussian-type orbital bases, widely recognized in the context of DFT. In particular, both high- and low-frequency components of the density can be effectively represented due to the complementary nature of the two bases. Extensive experiments on QM9, MD, and material project datasets demonstrate GPWNO's superior performance over ten baselines.
• Abstract（参考訳）: 本研究は、化学系と密度汎関数理論(dft)のシミュレーションを理解するための基礎となる電子密度予測のための機械学習を研究する。 そこで本稿では,DFTの文脈で広く認識されている平面波とガウス型軌道ベースを用いた無限次元関数空間で動作するガウス平面波ニューラル演算子(GPWNO)を紹介する。 特に、密度の高周波数成分と低周波数成分は、2つの基底の相補的な性質により効果的に表現できる。 qm9、md、material projectデータセットに関する広範な実験は、gpwnoが10のベースラインよりも優れたパフォーマンスを示している。

関連論文リスト

• Constructing accurate machine-learned potentials and performing highly efficient atomistic simulations to predict structural and thermal properties [6.875235178607604]
  Ab initio molecular dynamics (AIMD) シミュレーションから生成されたデータセットに基づいて学習した神経進化電位(NEP)を導入する。 両方の機械学習ポテンシャルを用いて、状態(DOS)と放射分布関数(RDF)のフォノン密度を計算する。 MTP電位はわずかに精度が良いが、NEPは計算速度が41倍に向上する。
  論文  参考訳（メタデータ） (2024-11-16T23:16:59Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• NeuralSCF: Neural network self-consistent fields for density functional theory [1.7667864049272723]
  コーンシャム密度汎関数理論(KS-DFT)は、正確な電子構造計算に広く応用されている。 深層学習の目的としてコーン・シャム密度マップを確立するニューラルネットワーク自己整合体(NeuralSCF)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-22T15:24:08Z)
• Orbital-Free Density Functional Theory with Continuous Normalizing Flows [54.710176363763296]
  軌道自由密度汎関数理論(OF-DFT)は、分子電子エネルギーを計算する別のアプローチを提供する。 我々のモデルは様々な化学系の電子密度を再現することに成功した。
  論文  参考訳（メタデータ） (2023-11-22T16:42:59Z)
• Physics-informed Reduced-Order Learning from the First Principles for Simulation of Quantum Nanostructures [0.0]
  大規模ナノ構造では、高次自由度(DoF)のため、広範な計算努力が禁止される可能性がある 本研究は、シュリンガー方程式のシミュレーションのために、第一原理によって実現された低次学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-01-31T21:07:09Z)
• BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
  機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。 ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
  論文  参考訳（メタデータ） (2021-06-08T10:14:57Z)
• Quantum Simulation of Molecules without Fermionic Encoding of the Wave Function [62.997667081978825]
  波動関数のフェルミオン符号化はバイパスされ、より効率的な量子計算に繋がる。 H$_4$の基底状態エネルギーと2-RDMの計算への応用について述べる。
  論文  参考訳（メタデータ） (2021-01-27T18:57:11Z)
• DeepDFT: Neural Message Passing Network for Accurate Charge Density Prediction [0.0]
  DeepDFTは原子周辺の電子電荷密度を予測するためのディープラーニングモデルである。 モデルの精度とスケーラビリティは、分子、固体、液体に対して実証される。
  論文  参考訳（メタデータ） (2020-11-04T16:56:08Z)
• Accelerating Finite-temperature Kohn-Sham Density Functional Theory with Deep Neural Networks [2.7035666571881856]
  本稿では,コーン・シャム密度汎関数理論(DFT)による全エネルギーを有限電子温度で再現する機械学習(ML)に基づく数値モデリングワークフローを提案する。 ディープニューラルネットワークに基づいて、ワークフローは与えられた原子構成に対する状態の局所密度(LDOS)を生成する。 本研究では, 固体および液体金属に対するこのアプローチの有効性を実証し, 固体および液体アルミニウムの独立学習モデルと統一学習モデルの比較を行った。
  論文  参考訳（メタデータ） (2020-10-10T05:38:03Z)
• 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)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

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。