論文の概要: Interpolating many-body wave functions for accelerated molecular
dynamics on near-exact electronic surfaces
- arxiv url: http://arxiv.org/abs/2402.11097v1
- Date: Fri, 16 Feb 2024 22:03:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 19:02:19.237477
- Title: Interpolating many-body wave functions for accelerated molecular
dynamics on near-exact electronic surfaces
- Title(参考訳): 近似電子表面の分子動力学を加速する多体波動関数の補間
- Authors: Yannic Rath and George H. Booth
- Abstract要約: 本稿では、強相関分子系と機械学習加速分子動力学を橋渡しする実践的アプローチについて述べる。
我々は、その後のダイナミクスに対して、ほぼ正確なポテンシャルエネルギー表面への証明可能な収束を示す。
平均場表面における従来の機械学習やアブイニシアチブダイナミクスの質的改善を強調した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While there have been many developments in computational probes of both
strongly-correlated molecular systems and machine-learning accelerated
molecular dynamics, there remains a significant gap in capabilities between
them, where it is necessary to describe the accurate electronic structure over
timescales in which atoms move. We describe a practical approach to bridge
these fields by interpolating the correlated many-electron state through
chemical space, whilst avoiding the exponential complexity of these underlying
states. With a small number of accurate correlated wave function calculations
as a training set, we demonstrate provable convergence to near-exact potential
energy surfaces for subsequent dynamics with propagation of a valid many-body
wave function and inference of its variational energy at all points, whilst
retaining a mean-field computational scaling. This represents a profoundly
different paradigm to the direct interpolation of properties through chemical
space in established machine-learning approaches. It benefits from access to
all electronic properties of interest from the same model without relying on
local descriptors, and demonstrates improved performance compared to the direct
training on energies themselves. We combine this with modern
systematically-improvable electronic structure methods to resolve the molecular
dynamics for a number of correlated electron problems, including the proton
dynamics of a Zundel cation trajectory, where we highlight the qualitative
improvement from traditional machine learning or ab initio dynamics on
mean-field surfaces.
- Abstract(参考訳): 強相関分子系と機械学習加速分子動力学の計算プローブの開発は数多く行われているが、それらの能力の間には大きなギャップが残っており、原子が移動する時間スケールよりも正確な電子構造を記述する必要がある。
化学空間を通じて相関多電子状態を補間し、これらの基礎状態の指数関数的複雑さを回避し、これらの分野を橋渡しする実践的なアプローチを述べる。
トレーニングセットとしての精度の高い相関波動関数の計算は少ないが、有効多体波動関数の伝播と全ての点におけるその変動エネルギーの推算を伴い、平均場計算のスケーリングを維持しながら、後続の動力学のための近似ポテンシャル曲面への証明可能な収束を示す。
これは、確立された機械学習アプローチにおいて、化学空間を通じた性質の直接補間とは大きく異なるパラダイムを表している。
ローカルディスクリプタに頼らずに、同じモデルから興味のあるすべての電子的特性にアクセスでき、エネルギー自体の直接トレーニングよりもパフォーマンスが向上する。
我々はこれを、Zundelカチオン軌道のプロトンダイナミクスを含む多くの相関電子問題に対する分子動力学を解くために、体系的に改善可能な現代的な電子構造法と組み合わせ、従来の機械学習による質的改善や平均場面上のアブイニシアトダイナミクスを強調する。
関連論文リスト
- Ab-initio variational wave functions for the time-dependent
many-electron Schr\"odinger equation [0.0]
フェミオン時間依存波動関数に対する変動的アプローチを導入し,多体相関を捉えることで平均場近似を超越する。
提案手法は、時間発展する量子状態のパラメータ化を伴い、状態の進化の近似を可能にする。
このアプローチは、可溶性調和相互作用モデル、強いレーザー場における二原子分子のダイナミクス、焼成量子ドットの3つの異なるシステムで実証されている。
論文 参考訳(メタデータ) (2024-03-12T09:37:22Z) - On-demand transposition across light-matter interaction regimes in
bosonic cQED [69.65384453064829]
ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。
空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。
我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
論文 参考訳(メタデータ) (2023-12-22T13:01:32Z) - Computing excited states of molecules using normalizing flows [0.0]
量子系の基底状態と励起状態の同時計算のための新しい非線形変分フレームワークを提案する。
提案手法は, 正規化流を伴うエンフィア合成を拡張, 最適化した基底関数の線形スパンにおける波動関数の近似に基づく。
論文 参考訳(メタデータ) (2023-08-31T05:22:51Z) - 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) - Tuning long-range fermion-mediated interactions in cold-atom quantum
simulators [68.8204255655161]
コールド原子量子シミュレータにおける工学的な長距離相互作用は、エキゾチックな量子多体挙動を引き起こす。
そこで本研究では,現在実験プラットフォームで利用可能ないくつかのチューニングノブを提案する。
論文 参考訳(メタデータ) (2022-03-31T13:32:12Z) - 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) - Molecular Interactions Induced by a Static Electric Field in Quantum
Mechanics and Quantum Electrodynamics [68.98428372162448]
我々は、一様静電場を受ける2つの中性原子または分子間の相互作用を研究する。
我々の焦点は、電場誘起静電分極と分散相互作用への主要な寄与の間の相互作用を理解することである。
論文 参考訳(メタデータ) (2021-03-30T14:45:30Z) - Multi-task learning for electronic structure to predict and explore
molecular potential energy surfaces [39.228041052681526]
我々はOrbNetモデルを洗練し、分子のエネルギー、力、その他の応答特性を正確に予測する。
このモデルは、すべての電子構造項に対する解析的勾配の導出により、エンドツーエンドで微分可能である。
ドメイン固有の特徴を用いることにより、化学空間をまたいで移動可能であることが示されている。
論文 参考訳(メタデータ) (2020-11-05T06:48:46Z) - Multi-scale approach for the prediction of atomic scale properties [0.0]
局所性は、量子力学的観測可能性を予測する機械学習スキームの下にある。
これらのアプローチの主な欠点の1つは、物理的効果を捉えることができないことである。
我々は、同じフレームワークのローカル情報と非ローカル情報を組み合わせたマルチスケールスキームの構築方法を示す。
論文 参考訳(メタデータ) (2020-08-27T14:01:00Z) - 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) - 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。