論文の概要: A symmetry-preserving and transferable representation for learning the Kohn-Sham density matrix

• arxiv url: http://arxiv.org/abs/2503.08400v1
• Date: Tue, 11 Mar 2025 13:05:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 19:17:29.794202
• Title: A symmetry-preserving and transferable representation for learning the Kohn-Sham density matrix
• Title（参考訳）: コーン・シャム密度行列の学習のための対称性保存および伝達可能な表現
• Authors: Liwei Zhang, Patrizia Mazzeo, Michele Nottoli, Edoardo Cignoni, Lorenzo Cupellini, Benjamin Stamm,
• Abstract要約: 本稿では,原子クラスター展開(ACE)フレームワークを用いて分子構成から対応する密度行列へのマッピングを学習するためのパラメータ化表現を提案する。 提案した表現は、モデルパラメータの増加とともに体系的に即効性を示し、トレーニングセットの一部ではなく、さらに複雑な分子に転移可能である。
• 参考スコア（独自算出の注目度）: 1.3898092652070853
• License:
• Abstract: The Kohn-Sham (KS) density matrix is one of the most essential properties in KS density functional theory (DFT), from which many other physical properties of interest can be derived. In this work, we present a parameterized representation for learning the mapping from a molecular configuration to its corresponding density matrix using the Atomic Cluster Expansion (ACE) framework, which preserves the physical symmetries of the mapping, including isometric equivariance and Grassmannianity. Trained on several typical molecules, the proposed representation is shown to be systematically improvable with the increase of the model parameters and is transferable to molecules that are not part of and even more complex than those in the training set. The models generated by the proposed approach are illustrated as being able to generate reasonable predictions of the density matrix to either accelerate the DFT calculations or to provide approximations to some properties of the molecules.
• Abstract（参考訳）: コーン・シャム密度行列(Kohn-Sham density matrix, KS)は、KS密度汎関数論(DFT)において最も重要な性質の1つである。 本研究では,分子構造から対応する密度行列へのマッピング学習のためのパラメータ化表現を,等尺等式やグラスマン性を含むマッピングの物理対称性を保存するAtomic Cluster Expansion (ACE) フレームワークを用いて提案する。 いくつかの典型的な分子で訓練され、提案された表現はモデルパラメータの増加とともに体系的に即効性を示し、トレーニングセットの一部ではなく、さらに複雑な分子に転移可能である。 提案手法により生成されたモデルは、密度行列の合理的な予測を生成でき、DFT計算を加速するか、分子のいくつかの性質に近似を与えることができる。

関連論文リスト

• Entanglement and the density matrix renormalisation group in the generalised Landau paradigm [0.0]
  我々は、対称1次元量子格子モデルのギャップ位相と双対性の間の相互作用を利用する。 位相図のすべての位相について、すべての対称性を破る基底状態の双対表現は、絡み合いエントロピーと必要な変分パラメータの数の両方を最小化する。 本研究は,高相関系のナッツ・ボルトシミュレーションにおける一般化非可逆対称性の有用性とそれらの形式的カテゴリー論的記述を検証した。
  論文  参考訳（メタデータ） (2024-08-12T17:51:00Z)
• Data-free Weight Compress and Denoise for Large Language Models [96.68582094536032]
  パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。 キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
  論文  参考訳（メタデータ） (2024-02-26T05:51:47Z)
• SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive Molecular Property Prediction [1.534667887016089]
  多パラメータ持続ホモロジー(MPPH)を用いた新しい分子指紋生成法を提案する。 この技術は、正確な分子特性予測が不可欠である薬物発見と材料科学において、かなりの重要性を持っている。 分子特性の予測における既存の最先端手法よりも優れた性能を示し,MoleculeNetベンチマークで広範囲な評価を行った。
  論文  参考訳（メタデータ） (2023-12-12T09:33:54Z)
• Multiparameter Persistent Homology for Molecular Property Prediction [1.8130068086063336]
  このアプローチは、分子幾何学における潜伏構造と関係を明らかにする。 我々は,リポフィリシティ,FreeSolv,ESOLデータセットについて広範な実験を行い,その分子特性予測の有効性を実証した。
  論文  参考訳（メタデータ） (2023-11-17T17:57:56Z)
• Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting [53.44684898432997]
  化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。 本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。 本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
  論文  参考訳（メタデータ） (2023-06-09T03:04:21Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Optimal radial basis for density-based atomic representations [58.720142291102135]
  データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。 トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。 この構成が精度と計算効率のよい表現をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-05-18T17:57:08Z)
• Density of States of the lattice Schwinger model [0.0]
  格子ゲージ理論の数値計算における標準テストベンチである格子シュウィンガーモデルの状態密度について検討する。 スペクトルが対称であるように見えるパラメータの規則を同定し、期待される連続性を示す。 適度なシステムサイズと$gasim O(1)$の格子間隔に対して、スペクトル密度は高度に非対称な形で非常に異なる性質を示すことができる。
  論文  参考訳（メタデータ） (2021-04-16T15:29:52Z)
• Tensor network models of AdS/qCFT [69.6561021616688]
  準周期共形場理論(qCFT)の概念を導入する。 離散ホログラフィーのパラダイムに属するものとして,qCFTが最適であることを示す。
  論文  参考訳（メタデータ） (2020-04-08T18:00:05Z)
• Inverse Learning of Symmetries [71.62109774068064]
  2つの潜在部分空間からなるモデルで対称性変換を学ぶ。 我々のアプローチは、情報ボトルネックと連続的な相互情報正規化器の組み合わせに基づいています。 我々のモデルは, 人工的および分子的データセットにおける最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-02-07T13:48:52Z)

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。