論文の概要: Complete and Efficient Covariants for 3D Point Configurations with Application to Learning Molecular Quantum Properties

• arxiv url: http://arxiv.org/abs/2409.02730v1
• Date: Wed, 4 Sep 2024 14:03:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-05 17:55:43.325193
• Title: Complete and Efficient Covariants for 3D Point Configurations with Application to Learning Molecular Quantum Properties
• Title（参考訳）: 3次元点配置のための完全かつ効率的な共変と分子量子特性の学習への応用
• Authors: Hartmut Maennel, Oliver T. Unke, Klaus-Robert Müller,
• Abstract要約: 高次法の一般的な完全性特性を証明し、これらの特徴のうち6k-5$は最大$k$原子に対して十分であることを示す。 これを量子化学に適用するが,提案手法は一般に3次元点配置に関わる問題に適用できる。
• 参考スコア（独自算出の注目度）: 17.093526789838567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When modeling physical properties of molecules with machine learning, it is desirable to incorporate $SO(3)$-covariance. While such models based on low body order features are not complete, we formulate and prove general completeness properties for higher order methods, and show that $6k-5$ of these features are enough for up to $k$ atoms. We also find that the Clebsch--Gordan operations commonly used in these methods can be replaced by matrix multiplications without sacrificing completeness, lowering the scaling from $O(l^6)$ to $O(l^3)$ in the degree of the features. We apply this to quantum chemistry, but the proposed methods are generally applicable for problems involving 3D point configurations.
• Abstract（参考訳）: 機械学習を用いて分子の物理的特性をモデル化する場合、$SO(3)$-共分散を組み込むことが望ましい。 低次数特徴に基づくそのようなモデルは完全ではないが、高次法の一般的な完全性特性を定式化し証明し、これらの特徴のうち6k-5$は最大$k$の原子に対して十分であることを示す。 また,これらの手法でよく用いられる Clebsch-Gordan 演算は完全性を犠牲にすることなく行列乗法に置き換えることができ,特徴量で $O(l^6)$ から $O(l^3)$ にスケールを下げることができる。 これを量子化学に適用するが,提案手法は一般に3次元点配置に関わる問題に適用できる。

関連論文リスト

• Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure [16.319561844942886]
  GPモデルは,学習曲線予測タスクにおいて,トランスフォーマーの性能と一致することを示す。 我々の方法は、$mathcalO(n3 + m3)$ timeと$mathcalO(n2 + m2)$ spaceのみを必要とする。
  論文  参考訳（メタデータ） (2024-10-11T20:24:33Z)
• Fast, Expressive SE$(n)$ Equivariant Networks through Weight-Sharing in Position-Orientation Space [15.495593104596399]
  我々は,畳み込みネットワークにおける重み共有の概念を,ポイントペア上でのメッセージ関数の共有として定式化する。 我々は3次元点雲処理のための効率的な同変群畳み込みネットワークを開発した。
  論文  参考訳（メタデータ） (2023-10-04T17:06:32Z)
• Automated 3D Pre-Training for Molecular Property Prediction [54.15788181794094]
  新たな3D事前学習フレームワーク(3D PGT)を提案する。 3D分子グラフのモデルを事前訓練し、3D構造のない分子グラフに微調整する。 提案した3次元PGTの精度, 効率, 一般化能力を示すために, 2次元分子グラフの大規模実験を行った。
  論文  参考訳（メタデータ） (2023-06-13T14:43:13Z)
• Hydrogen atom confined inside an inverted-Gaussian potential [0.0]
  特に、このモデルはC_60$フラーレン内の原子の研究に用いられている。 11人未満の結果が表示される。
  論文  参考訳（メタデータ） (2022-08-28T00:38:24Z)
• Scalable First-Order Bayesian Optimization via Structured Automatic Differentiation [4.061135251278187]
  広い範囲のカーネルが構造化行列を生じさせ、勾配観測のための正確な$mathcalO(n2d)$Matrix-vector multiplyとヘッセン観測のための$mathcalO(n2d2)$を可能にした。 提案手法は,ほぼすべての標準カーネルに適用され,ニューラルネットワーク,放射基底関数ネットワーク,スペクトル混合カーネルなどの複雑なカーネルに自動的に拡張される。
  論文  参考訳（メタデータ） (2022-06-16T17:59:48Z)
• Molecule3D: A Benchmark for Predicting 3D Geometries from Molecular Graphs [79.06686274377009]
  我々は、約400万分子の正確な基底状態のジオメトリーを持つデータセットを含むMolecule3Dと呼ばれるベンチマークを開発する。 我々は3次元空間における原子と原子の対距離を予測する2つのベースライン法を実装した。 本手法は予測精度に匹敵する精度を達成できるが,計算コストははるかに小さい。
  論文  参考訳（メタデータ） (2021-09-30T22:09:28Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• High-Dimensional Gaussian Process Inference with Derivatives [90.8033626920884]
  低データ状態の$ND$では、Gram行列は$mathcalO(N2D + (N2)3)$に推論のコストを下げる方法で分解できることを示す。 最適化や予測勾配を持つハミルトニアンモンテカルロなど、機械学習に関連する様々なタスクでこの可能性を実証する。
  論文  参考訳（メタデータ） (2021-02-15T13:24:41Z)
• Even more efficient quantum computations of chemistry through tensor hypercontraction [0.6234350105794442]
  量子化学ハミルトニアンのスペクトルを$N$任意の軌道で符号化するトフォリ複雑性を$widetildecal O(N)$で記述する。 これは、任意の基底で化学の量子計算で示された最も低い複雑性である。
  論文  参考訳（メタデータ） (2020-11-06T18:03:29Z)
• Four-Dimensional Scaling of Dipole Polarizability in Quantum Systems [55.54838930242243]
  偏光性は物理系と化学系の重要な応答特性である。 偏光性は普遍的な4次元スケーリング法則に従うことを示す。 この式は多粒子系にも適用できる。
  論文  参考訳（メタデータ） (2020-10-22T15:42:36Z)
• 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)

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。