論文の概要: Cartesian atomic cluster expansion for machine learning interatomic
potentials
- arxiv url: http://arxiv.org/abs/2402.07472v1
- Date: Mon, 12 Feb 2024 08:17:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 15:07:50.053782
- Title: Cartesian atomic cluster expansion for machine learning interatomic
potentials
- Title(参考訳): 機械学習原子間ポテンシャルのためのデカルト原子クラスター展開
- Authors: Bingqing Cheng
- Abstract要約: 機械学習の原子間ポテンシャルは、物質科学と化学における原子モデルに革命をもたらしている。
カルテシアン配位子に基づく原子密度膨張法を提案する。
バルク水, 小分子および25元素高エントロピー合金を含む多種多様なシステムにおいて, その性能を検証した。
- 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 interatomic potentials are revolutionizing large-scale,
accurate atomistic modelling in material science and chemistry. These
potentials often use atomic cluster expansion or equivariant message passing
with spherical harmonics as basis functions. However, the dependence on
Clebsch-Gordan coefficients for maintaining rotational symmetry leads to
computational inefficiencies and redundancies. We propose an alternative: a
Cartesian-coordinates-based atomic density expansion. This approach provides a
complete description of atomic environments while maintaining interaction body
orders. Additionally, we integrate low-dimensional embeddings of various
chemical elements and inter-atomic message passing. The resulting potential,
named Cartesian Atomic Cluster Expansion (CACE), exhibits good accuracy,
stability, and generalizability. We validate its performance in diverse
systems, including bulk water, small molecules, and 25-element high-entropy
alloys.
- Abstract(参考訳): 機械学習の原子間ポテンシャルは、物質科学と化学における大規模で正確な原子モデルに革命をもたらしている。
これらのポテンシャルは、しばしば基底関数として球面調和を伴う原子クラスター展開や同変メッセージパッシングを用いる。
しかし、回転対称性を維持するためのクレブシュ・ゴルダン係数への依存は計算効率の非効率と冗長性をもたらす。
オルタナティブ:デカルト座標系原子密度拡大を提案する。
このアプローチは、相互作用体秩序を維持しながら原子環境を完全に記述する。
さらに,様々な化学元素の低次元埋め込みと原子間メッセージパッシングを統合する。
結果として得られるポテンシャルはデカルト原子クラスター展開 (cace) と呼ばれ、精度、安定性、一般化性に優れている。
バルク水, 小分子および25元素高エントロピー合金を含む多種多様なシステムでの性能を検証した。
関連論文リスト
- Modeling Non-Covalent Interatomic Interactions on a Photonic Quantum
Computer [50.24983453990065]
我々は、cQDOモデルがフォトニック量子コンピュータ上でのシミュレーションに自然に役立っていることを示す。
我々は、XanaduのStrawberry Fieldsフォトニクスライブラリを利用して、二原子系の結合エネルギー曲線を計算する。
興味深いことに、2つの結合したボソニックQDOは安定な結合を示す。
論文 参考訳(メタデータ) (2023-06-14T14:44:12Z) - Atomic and Subgraph-aware Bilateral Aggregation for Molecular
Representation Learning [57.670845619155195]
我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。
ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。
本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
論文 参考訳(メタデータ) (2023-05-22T00:56:00Z) - Completeness of Atomic Structure Representations [0.0]
本稿では, 粒子三重項の相対配置に基づいて, 無限相関の記述子を構築するための新しい手法を提案する。
我々の戦略は、従来の対称ディスクリプタの幅広いクラスを無効にするために特別に構築された原子配列のクラスで実証される。
論文 参考訳(メタデータ) (2023-02-28T17:11:42Z) - Unified theory of atom-centered representations and graph convolutional
machine-learning schemes [0.0]
原子中心密度相関 (ACDC) は、標的の体秩序、対称性に適応した拡張の基礎として用いられる。
我々は、ACDCを多中心情報を含むように一般化し、原子座標の対称関数を回帰するために完全な線形基底を与える表現を生成する。
論文 参考訳(メタデータ) (2022-02-03T12:56:22Z) - Anderson localization of a Rydberg electron [68.8204255655161]
ライドバーグ原子はその準位構造、対称性、水素原子からのスケーリング挙動を継承する。
制限は、基底状態原子の数と、リドバーグ原子の励起レベルを同時に増加させることによって達成される。
論文 参考訳(メタデータ) (2021-11-19T18:01:24Z) - Relativistic quantum theory and algorithms: a toolbox for modeling
many-fermion systems in different scenarios [0.0]
重元素を含む原子、分子、クラスターの電子構造を計算するための理論的手法と関連する計算手法について論じる。
分子標的に衝突する電子の弾性差分散乱断面積評価への相対論的量子力学的枠組みの適用について述べる。
論文 参考訳(メタデータ) (2021-10-02T10:20:50Z) - Equivariant representations for molecular Hamiltonians and N-center
atomic-scale properties [0.0]
我々は、非常に成功した原子中心密度相関特性をN中心の場合に一般化する構造記述子の族について論じる。
特に、原子中心軌道ベースで書かれた(有効)単一粒子ハミルトニアンの行列要素を効率的に学習するために、この構造がどのように適用できるかを示す。
論文 参考訳(メタデータ) (2021-09-24T17:19:57Z) - Relativistic aspects of orbital and magnetic anisotropies in the
chemical bonding and structure of lanthanide molecules [60.17174832243075]
本研究では, 重同族ランタノイドEr2およびTm2分子の電子的およびロ-振動状態について, 最先端相対論的手法を適用して検討した。
我々は、91のEr2と36のTm2電子ポテンシャルを2つの基底状態原子に解離させることで、信頼できるスピン軌道と相関による分裂を得ることができた。
論文 参考訳(メタデータ) (2021-07-06T15:34:00Z) - Detect the Interactions that Matter in Matter: Geometric Attention for
Many-Body Systems [0.4351216340655199]
ユークリッド空間における任意の原子配置の幾何学的関係を記述する変種を提案する。
学習した注目行列の連続的な応用が、分子幾何学を飛行中の個々の原子寄与の集合に効果的に変換する方法を実証する。
論文 参考訳(メタデータ) (2021-06-04T15:28:27Z) - A multiconfigurational study of the negatively charged nitrogen-vacancy
center in diamond [55.58269472099399]
広帯域ギャップ半導体の深い欠陥は、量子センシングと情報応用を実現するための主要な量子ビット候補として現れている。
ここでは、単一粒子処理とは異なり、伝統的に原子/分子に予約されていた多重構成量子化学法は、これらの欠陥中心の電子状態の多体特性を正確に記述する。
論文 参考訳(メタデータ) (2020-08-24T01:49:54Z) - 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。
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。