論文の概要: Thermodynamics-Consistent Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2407.18372v1
• Date: Mon, 8 Jul 2024 06:58:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 01:25:56.728319
• Title: Thermodynamics-Consistent Graph Neural Networks
• Title（参考訳）: 熱力学-持続型グラフニューラルネットワーク
• Authors: Jan G. Rittig, Alexander Mitsos,
• Abstract要約: 本稿では,二成分混合物の組成依存的活動係数を予測するために,ギブス自由エネルギーグラフニューラルネットワーク(GE-GNN)を提案する。 GE-GNNアーキテクチャはギブス自由エネルギーを超えるモルを予測することによって熱力学的整合性を確保する。 活性係数予測の精度と熱力学的整合性を示す。
• 参考スコア（独自算出の注目度）: 50.0791489606211
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose excess Gibbs free energy graph neural networks (GE-GNNs) for predicting composition-dependent activity coefficients of binary mixtures. The GE-GNN architecture ensures thermodynamic consistency by predicting the molar excess Gibbs free energy and using thermodynamic relations to obtain activity coefficients. As these are differential, automatic differentiation is applied to learn the activity coefficients in an end-to-end manner. Since the architecture is based on fundamental thermodynamics, we do not require additional loss terms to learn thermodynamic consistency. As the output is a fundamental property, we neither impose thermodynamic modeling limitations and assumptions. We demonstrate high accuracy and thermodynamic consistency of the activity coefficient predictions.
• Abstract（参考訳）: 本稿では,二成分混合物の組成依存的活動係数を予測するために,ギブス自由エネルギーグラフニューラルネットワーク(GE-GNN)を提案する。 GE-GNNアーキテクチャはギブス自由エネルギーを予測し、熱力学関係を用いて活動係数を求めることにより熱力学的整合性を確保する。 これらは微分であるため、アクティビティ係数をエンドツーエンドで学習するために自動微分が適用される。 アーキテクチャは基本的な熱力学に基づいているため、熱力学の整合性を学ぶために余分な損失項は不要である。 出力は基本的な性質であるため、熱力学モデリングの限界や仮定は課さない。 活性係数予測の精度と熱力学的整合性を示す。

関連論文リスト

• Force-current structure in Markovian open quantum systems and its applications: geometric housekeeping-excess decomposition and thermodynamic trade-off relations [0.0]
  エントロピー生成速度は、力と電流演算子の積によって与えられることを示す。 この枠組みは離散古典系の非平衡熱力学と包括的に類似している。
  論文  参考訳（メタデータ） (2024-10-30T01:10:58Z)
• Correlated quantum machines beyond the standard second law [0.0]
  任意の時間周期開系に対する量子熱力学の厳密な一般化法則を導出する。 以上の結果から, 相関型顕微鏡熱デバイスの効率を決定するための統一的な定式化が得られた。
  論文  参考訳（メタデータ） (2024-09-12T10:09:20Z)
• Thermodynamic Roles of Quantum Environments: From Heat Baths to Work Reservoirs [49.1574468325115]
  量子熱力学における環境は通常、熱浴の役割を担う。 同じモデルでは、環境が3つの異なる熱力学的役割を担っていることが示される。 環境の正確な役割は結合の強さと構造によって決定される。
  論文  参考訳（メタデータ） (2024-08-01T15:39:06Z)
• Quantum Thermodynamic Integrability for Canonical and non-Canonical Statistics [0.0]
  第二法則のカラスエオディ原理を、マクロ変数に依存するエネルギー準位を持つ量子熱力学に拡張する。 この拡張は量子熱力学積分(QTI)の概念を導入し、統計力学の代替基盤を提供する。
  論文  参考訳（メタデータ） (2024-07-11T09:50:39Z)
• Quantum thermodynamics of nonequilibrium processes in lattice gauge theories [0.0]
  強結合熱力学を用いて熱力学量を定義する方法を示す。 我々の定義は、量子シミュレータで実行される簡単な非平衡過程である瞬時クエンチに適合する。
  論文  参考訳（メタデータ） (2024-04-03T18:00:03Z)
• Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
  本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。 ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-05-31T07:36:45Z)
• Gauge Quantum Thermodynamics of Time-local non-Markovian Evolutions [77.34726150561087]
  一般時間局所非マルコフマスター方程式を扱う。 我々は、電流とパワーを、古典的熱力学のようにプロセスに依存していると定義する。 この理論を量子熱機関に適用することにより、ゲージ変換が機械効率を変化させることを示す。
  論文  参考訳（メタデータ） (2022-04-06T17:59:15Z)
• Fast Thermalization from the Eigenstate Thermalization Hypothesis [69.68937033275746]
  固有状態熱化仮説(ETH)は閉量子系における熱力学現象を理解する上で重要な役割を果たしている。 本稿では,ETHと高速熱化とグローバルギブス状態との厳密な関係を確立する。 この結果はカオス開量子系における有限時間熱化を説明する。
  論文  参考訳（メタデータ） (2021-12-14T18:48:31Z)
• Asymptotic entropy of the Gibbs state of complex networks [68.8204255655161]
  ギブス状態はグラフに関連付けられたラプラシアン行列、正規化ラプラシアン行列、または隣接行列から得られる。 数種類のグラフに対してギブス状態のエントロピーを計算し,その挙動をグラフの順序や温度を変化させて検討した。 この結果から,温度関数としてのギブズエントロピーの挙動は,ランダムなエルドホス・ルネニグラフと比較して実ネットワークの選択において異なることが示された。
  論文  参考訳（メタデータ） (2020-03-18T18:01:28Z)

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。