論文の概要: Machine learning for predicting control landscape maps of quantum molecular dynamics: Laser-induced three-dimensional alignment of asymmetric top molecules
- arxiv url: http://arxiv.org/abs/2408.17089v1
- Date: Fri, 30 Aug 2024 08:20:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 16:09:30.420137
- Title: Machine learning for predicting control landscape maps of quantum molecular dynamics: Laser-induced three-dimensional alignment of asymmetric top molecules
- Title（参考訳）: 量子分子動力学の制御ランドスケープマップ予測のための機械学習:非対称トップ分子のレーザー誘起3次元アライメント
- Authors: Tomotaro Namba, Yukiyoshi Ohtsuki,
- Abstract要約: 非対称性パラメータが$-1 kappa 0$と低温制限の場合のC2v対称性を持つ「プロレート型」非対称性トップ分子を考える。
各分子のランドスケープマップは6000ピクセルで構成され、各ピクセルはアライメントの最大度を表す。
55個のサンプル分子を用いてCNNモデルを訓練し,35個のサンプル分子の制御ランドスケープマップを合理的に高精度に予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning for predicting control landscape maps of full quantum molecular dynamics is examined through a case study of the laser-induced three-dimensional (3D) alignment of asymmetric top molecules, an essential technique for observing and/or manipulating molecular dynamics in a molecule-fixed frame. We consider the "prolate-type" asymmetryic top molecules with the asymmetry parameters $-1 < \kappa < 0$ and the C2v symmetry in the low-temperature limiting case, which are aligned by using mutually orthogonal linearly polarized double laser pulses. The landscape map for each molecule consists of 6000 pixels, each pixel of which represents the maximum degree of alignment achieved by each set of control parameters. After examining ways to deal with the markedly different molecular parameters in a unified manner for suitably training a convolutional neural network (CNN) model, we train the CNN model by using 55 training sample molecules to predict the control landscape maps of 35 test sample molecules with reasonably high accuracy. As the predicted landscape maps provide a big picture of the alignment control, we show, for example, that the double pulse control scheme is especially effective for a molecule having a polarizability component that is much larger in value than the other two components.
- Abstract（参考訳）: 非対称トップ分子のレーザー誘起3次元アライメントのケーススタディにより、フル量子分子動力学の制御ランドスケープマップを予測する機械学習について検討した。
非対称性パラメータ $-1 < \kappa < 0$ と低温制限の場合 C2v 対称性を持つ「プロラート型」非対称性トップ分子を直交線形偏光二重レーザーパルスを用いて整列する。
各分子のランドスケープマップは6000ピクセルで構成され、各ピクセルは各制御パラメータの集合によって達成されるアライメントの最大度を表す。
畳み込みニューラルネットワーク(CNN)モデルを適切に訓練するための統一的な方法で、顕著に異なる分子パラメータを扱う方法を検討した後、55個のサンプル分子を用いてCNNモデルを訓練し、35個のテストサンプル分子のランドスケープマップを合理的に高精度に予測する。
予測されたランドスケープマップはアライメント制御の全体像を提供するため、例えば、二重パルス制御方式は、他の2つの成分よりもはるかに大きい偏光性成分を持つ分子に対して特に有効であることを示す。
関連論文リスト
- Maximizing orientation of a three-state molecule in a cavity with analytically designed pulses [14.863719974166102]
単一分子の最低3つの回転状態と単一モードキャビティを強く結合させることにより,分子偏光子の精密制御を理論的に検討する。
2つの偏光子構成に基づく2つの制御スキームを提案し、対応するパルス領域定理を導出する。
この研究は、空洞内の超低温三状態分子の最大磁場自由配向を達成するための貴重な基準を提供する。
論文 参考訳（メタデータ） (2024-09-09T14:15:09Z) - MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。
拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。
我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
論文 参考訳（メタデータ） (2023-04-28T04:25:57Z) - Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular
Property Prediction [53.06671763877109]
我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。
我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。
複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
論文 参考訳（メタデータ） (2023-02-04T01:32:40Z) - Molecular Geometry-aware Transformer for accurate 3D Atomic System
modeling [51.83761266429285]
本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。
MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
論文 参考訳（メタデータ） (2023-02-02T03:49:57Z) - Learning 3D Representations of Molecular Chirality with Invariance to
Bond Rotations [2.17167311150369]
3次元分子コンバータのねじれ角を処理するSE(3)不変モデルを設計する。
本研究では, 学習空間における異なる立体異性体のコンホメータを識別するコントラスト学習, キラル中心をR/Sに分類する学習, エンテロマーが円偏光でどのように回転するかの予測, タンパクポケット内のドッキングスコアによるエナンチオマーのランキングの4つのベンチマークを用いて実験を行った。
論文 参考訳（メタデータ） (2021-10-08T21:25:47Z) - Quantum Molecular Unfolding [0.5677685109155078]
分子ドッキング法の1つの特定の段階、すなわち分子展開(MU)に焦点を当てる。
MU問題の目的は、分子領域を最大化する構成、または分子内部の原子間の内部距離を最大化する構成を見つけることである。
HUBO(High-order Unconstrained Binary Optimization)として定式化して、MUに対する量子アニール法を提案する。
量子異方体を用いて得られた結果と性能を古典的解法の状態と比較した。
論文 参考訳（メタデータ） (2021-07-28T19:28:28Z) - GeoMol: Torsional Geometric Generation of Molecular 3D Conformer
Ensembles [60.12186997181117]
分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。
既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。
エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
論文 参考訳（メタデータ） (2021-06-08T14:17:59Z) - Molecular spin qudits for quantum simulation of light-matter
interactions [62.223544431366896]
分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。
提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
論文 参考訳（メタデータ） (2021-03-17T15:03:12Z) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳（メタデータ） (2021-02-20T03:17:58Z) - Microscopic electronic structure tomography of Rydberg macrodimers [0.0]
我々は、Rydbergマクロ二量体状態の原子の位置と分解に量子ガス顕微鏡を用いる。
応用磁場に対する分子配向が完全に制御される異なる分子対称性に対する最初の光解離研究を示す。
さらに、配向依存性のゼーマンシフトを観察し、マクロダイマー状態の超微細な相互作用に起因する影響を明らかにした。
論文 参考訳（メタデータ） (2020-10-05T16:48:36Z) - Predicting molecular dipole moments by combining atomic partial charges
and atomic dipoles [3.0980025155565376]
高レベル結合クラスター理論を用いて計算した分子$boldsymbolmu$を再現するために、「MuML」モデルが組み合わされた。
校正委員会モデルを用いて予測の不確かさを確実に推定できることを実証する。
論文 参考訳（メタデータ） (2020-03-27T14:35:37Z)
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。