論文の概要: Highly Accurate Real-space Electron Densities with Neural Networks

• arxiv url: http://arxiv.org/abs/2409.01306v1
• Date: Mon, 2 Sep 2024 14:56:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 06:25:12.785960
• Title: Highly Accurate Real-space Electron Densities with Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた高精度実空間電子密度
• Authors: Lixue Cheng, P. Bernát Szabó, Zeno Schätzle, Derk Kooi, Jonas Köhler, Klaas J. H. Giesbertz, Frank Noé, Jan Hermann, Paola Gori-Giorgi, Adam Foster,
• Abstract要約: 実空間多電子波動関数から精度の高い密度を求める新しい手法を提案する。 本研究では, 深層学習型ans"atze (深部QMC) を用いた変分量子モンテカルロを用いて, 基底セット誤差のない高精度な波動関数を求める。
• 参考スコア（独自算出の注目度）: 7.176850154835262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational ab-initio methods in quantum chemistry stand out among other methods in providing direct access to the wave function. This allows in principle straightforward extraction of any other observable of interest, besides the energy, but in practice this extraction is often technically difficult and computationally impractical. Here, we consider the electron density as a central observable in quantum chemistry and introduce a novel method to obtain accurate densities from real-space many-electron wave functions by representing the density with a neural network that captures known asymptotic properties and is trained from the wave function by score matching and noise-contrastive estimation. We use variational quantum Monte Carlo with deep-learning ans\"atze (deep QMC) to obtain highly accurate wave functions free of basis set errors, and from them, using our novel method, correspondingly accurate electron densities, which we demonstrate by calculating dipole moments, nuclear forces, contact densities, and other density-based properties.
• Abstract（参考訳）: 量子化学における変分ab-initio法は、波動関数への直接アクセスを提供する他の方法の中でも際立っている。 これは原則として、エネルギー以外の他の観測可能な興味の抽出を可能にするが、実際、この抽出は技術的に困難であり、計算的に非現実的であることが多い。 ここでは,電子密度を量子化学において観測可能な中心となるものとみなし,その密度を既知の漸近特性を捉えるニューラルネットワークを用いて表現し,スコアマッチングとノイズコントラスト推定により波動関数からトレーニングすることにより,実空間多電子波関数から正確な密度を求める新しい手法を提案する。 深層学習型 ans\atze (深部QMC) を用いた変分量子モンテカルロを用いて、基底セット誤差のない高精度な波動関数を得るとともに、新しい手法を用いて、双極子モーメント、原子間力、接触密度、その他の密度に基づく特性を計算して、対応する正確な電子密度を求める。

関連論文リスト

• 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)
• Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
  神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。 近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。 この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
  論文  参考訳（メタデータ） (2024-05-23T16:30:51Z)
• Accurate harmonic vibrational frequencies for diatomic molecules via quantum computing [0.0]
  我々は,中性閉殻二原子分子集合の調和振動周波数を計算するために,有望な量子ビット効率の量子計算手法を提案する。 化学にインスパイアされたUCCSDアンサッツを用いた変動量子回路は、正確な対角化法と同じ精度が得られることを示す。
  論文  参考訳（メタデータ） (2023-12-19T16:44:49Z)
• Quantum Computation of Hydrogen Bond Dynamics and Vibrational Spectra [0.37187295985559027]
  本稿では,水素結合系と,量子論理を用いたより一般的な化学力学問題を解くための枠組みを紹介する。 本稿では,QSCOUT ion-trap 量子コンピュータを用いて本手法の実証実験を行った。 分子の量子化学力学と振動スペクトルを研究するための新しいパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-18T21:42:54Z)
• Numerical Simulations of Noisy Quantum Circuits for Computational Chemistry [51.827942608832025]
  短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。 計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2021-12-31T16:33:10Z)
• Stochastic Variational Approach to Small Atoms and Molecules Coupled to Quantum Field Modes [55.41644538483948]
  空洞QEDの量子場に結合した少数の粒子系のエネルギーと波動関数の変動計算(SVM)を提案する。 2次元のトライアン電子や閉じ込められた電子、He原子や水素分子の例を示す。
  論文  参考訳（メタデータ） (2021-08-25T13:40:42Z)
• Computing molecular excited states on a D-Wave quantum annealer [52.5289706853773]
  分子系の励起電子状態の計算にD波量子アニールを用いることを実証する。 これらのシミュレーションは、太陽光発電、半導体技術、ナノサイエンスなど、いくつかの分野で重要な役割を果たしている。
  論文  参考訳（メタデータ） (2021-07-01T01:02:17Z)
• 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)
• Accurately computing electronic properties of a quantum ring [0.08564085951364296]
  超伝導量子ビットを用いた正確な凝縮マターシミュレータの実験的青写真を提供する。 1次元ワイヤの単一粒子バンド構造を再構築することにより,基礎となる手法をベンチマークする。 凝縮マター系の2つのキーテレットである磁束と乱れ局所電位を合成する。
  論文  参考訳（メタデータ） (2020-12-02T01:42:20Z)
• Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
  光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。 我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
  論文  参考訳（メタデータ） (2020-07-28T14:52:28Z)
• Recovering quantum correlations in optical lattices from interaction quenches [0.0]
  光格子中の超低温原子による量子シミュレーションは、強い相互作用を持つ量子系を理解するためのエキサイティングな道を開く。 現在、局所的なコヒーレント電流の直接測定は不可能である。 非相互作用力学に対するクエンチに応答して変化する密度を計測することにより、それを実現する方法を示す。
  論文  参考訳（メタデータ） (2020-05-18T18:03:33Z)

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。