論文の概要: ELECTRA: A Symmetry-breaking Cartesian Network for Charge Density Prediction with Floating Orbitals
- arxiv url: http://arxiv.org/abs/2503.08305v1
- Date: Tue, 11 Mar 2025 11:14:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 22:35:51.728458
- Title: ELECTRA: A Symmetry-breaking Cartesian Network for Charge Density Prediction with Floating Orbitals
- Title（参考訳）: ELECTRA:フローティング軌道を用いた電荷密度予測のためのシンメトリブレーキング・カルテシアン・ネットワーク
- Authors: Jonas Elsborg, Luca Thiede, Alán Aspuru-Guzik, Tejs Vegge, Arghya Bhowmik,
- Abstract要約: 我々は「浮遊」軌道を用いて電子電荷密度を予測する同変モデルを提案する。
提案手法は,確立したベンチマーク上での計算効率と予測精度の最先端バランスを実現する。
- 参考スコア（独自算出の注目度）: 0.9736758288065405
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the Electronic Tensor Reconstruction Algorithm (ELECTRA) - an equivariant model for predicting electronic charge densities using "floating" orbitals. Floating orbitals are a long-standing idea in the quantum chemistry community that promises more compact and accurate representations by placing orbitals freely in space, as opposed to centering all orbitals at the position of atoms. Finding ideal placements of these orbitals requires extensive domain knowledge though, which thus far has prevented widespread adoption. We solve this in a data-driven manner by training a Cartesian tensor network to predict orbital positions along with orbital coefficients. This is made possible through a symmetry-breaking mechanism that is used to learn position displacements with lower symmetry than the input molecule while preserving the rotation equivariance of the charge density itself. Inspired by recent successes of Gaussian Splatting in representing densities in space, we are using Gaussians as our orbitals and predict their weights and covariance matrices. Our method achieves a state-of-the-art balance between computational efficiency and predictive accuracy on established benchmarks.
- Abstract（参考訳）: 本稿では,電子的テンソル再構成アルゴリズム(ELECTRA)について述べる。
浮動小数点軌道は、全ての軌道を原子の位置に集中させるのとは対照的に、宇宙空間に自由に軌道を配置することでよりコンパクトで正確な表現を約束する、量子化学コミュニティにおける長年の考えである。
しかし、これらの軌道の理想的な配置を見つけるには広範なドメイン知識が必要であるため、これまで広く採用されることはなかった。
我々はこれを、軌道係数とともに軌道位置を予測するために、モンテカルロテンソルネットワークを訓練することで、データ駆動方式で解決する。
これは、電荷密度自体の回転同値を保ちながら、入力分子よりも低い対称性で位置変位を学習するために用いられる対称性破れ機構によって実現される。
宇宙における密度を表すガウス格子の最近の成功に触発されて、我々はガウス軌道を軌道として、その重みと共分散行列を予測している。
提案手法は,確立したベンチマーク上での計算効率と予測精度の最先端バランスを実現する。
関連論文リスト
- Hamiltonian truncation tensor networks for quantum field theories [42.2225785045544]
連続場理論の古典的シミュレーションのためのテンソルネットワーク手法を提案する。
この手法はハミルトン・トランケーションとテンソル・ネットワーク技術に基づいて構築されている。
重要な発展の1つは、大域的プロジェクターの行列積状態表現の正確な構成である。
論文 参考訳（メタデータ） (2023-12-19T19:00:02Z) - Natural orbitals and sparsity of quantum mutual information [0.0]
収束軌道は自然軌道と一致することを示す。
相関は、量子相互情報行列に寄与する量子ビット対の少ない数で符号化される。
論文 参考訳（メタデータ） (2023-08-15T21:51:53Z) - Resolving nonclassical magnon composition of a magnetic ground state via
a qubit [44.99833362998488]
量子ビットと非固有モードマグノンとの直接分散結合により、マグノン数状態の量子重ね合わせを検出することができることを示す。
この特異な結合は、平衡マグノンのスクイーズと、フォック状態さえも決定論的に生成できる。
論文 参考訳（メタデータ） (2023-06-08T09:30:04Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳（メタデータ） (2023-06-06T09:12:49Z) - Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。
等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
論文 参考訳（メタデータ） (2023-05-12T04:12:04Z) - Disentangling Interacting Systems with Fermionic Gaussian Circuits: Application to Quantum Impurity Models [0.0]
フェルミオンガウス状態の圧縮から得られる一元ゲートによる基底の変化を、様々なテンソルネットワークに対応する量子回路に導入する。
これらの回路は、基底状態の絡み合いエントロピーを低減し、密度行列再正規化群のようなアルゴリズムの性能を向上させることができる。
論文 参考訳（メタデータ） (2022-12-19T19:11:16Z) - Orthogonally Constrained Orbital Optimization: assessing changes of
optimal orbitals for orthogonal multi-reference states [0.0]
分子軌道の選択は構成相互作用の計算において決定的である。
このアプローチは4電子ハバードトリマーのエネルギーを忠実に回収するが、状態平均計算では2.5で値が失われる。
論文 参考訳（メタデータ） (2022-11-15T17:39:39Z) - Determining ground-state phase diagrams on quantum computers via a
generalized application of adiabatic state preparation [61.49303789929307]
我々は、状態準備のために局所的な断熱ランプを使用して、時間的進化を通じて量子コンピュータ上の基底状態位相図を直接計算することができる。
我々は,IBMの量子マシンを用いて,二つのサイトシステムと3つのサイトシステムの両方の正確な位相図を計算できる。
論文 参考訳（メタデータ） (2021-12-08T23:59:33Z) - Natural orbitals for the ab initio no-core configuration interaction
approach [0.13999481573773068]
我々は、単一粒子軌道の選択を最適化することにより、所定の基底サイズで得られる精度を向上させることを目指している。
1体密度行列を対角化する自然軌道は、低軌道の占有を最大化する基盤を提供する。
p$シェル中性子ハロ核の基底状態に対する自然軌道を用いたNCCI計算の側面を探求する。
論文 参考訳（メタデータ） (2021-12-07T22:38:39Z) - Quantum Solvers for Plane-Wave Hamiltonians: Abridging Virtual Spaces
Through the Optimization of Pairwise Correlations [0.2462953128215087]
我々は、小さなペアのCIハミルトニアンから軌道を最適化することで、仮想空間を定義するアルゴリズムの新たなクラスを開発する。
これらの導出ベースセットをフルCI(FCI)品質をターゲットとした量子コンピューティング計算に使用すれば、多体アプローチでも使用できる。
論文 参考訳（メタデータ） (2020-08-31T19:55:48Z) - OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted
Atomic-Orbital Features [42.96944345045462]
textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。
薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
論文 参考訳（メタデータ） (2020-07-15T22:38:41Z) - 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)
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。