論文の概要: A charge-density machine-learning workflow for computing the infrared spectrum of molecules

• arxiv url: http://arxiv.org/abs/2507.16565v1
• Date: Tue, 22 Jul 2025 13:18:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:14.126324
• Title: A charge-density machine-learning workflow for computing the infrared spectrum of molecules
• Title（参考訳）: 分子の赤外スペクトル計算のための電荷密度機械学習ワークフロー
• Authors: Suman Hazra, Urvesh Patil, Stefano Sanvito,
• Abstract要約: 分子の赤外スペクトルの計算のための機械学習ワークフローを提案する。 我々はJacobi-Legendreクラスタ展開を用いて収束密度関数理論計算の実空間電荷密度を予測する。 このスキームは、PySCF符号の数値的枠組みの中で実装され、気体相におけるウラシル分子の赤外スペクトルに適用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a machine-learning workflow for the calculation of the infrared spectrum of molecules, and more generally of other temperature-dependent electronic observables. The main idea is to use the Jacobi-Legendre cluster expansion to predict the real-space charge density of a converged density-functional-theory calculation. This gives us access to both energy and forces, and to electronic observables such as the dipole moment or the electronic gap. Thus, the same model can simultaneously drive a molecular dynamics simulation and evaluate electronic quantities along the trajectory, namely it has access to the same information of ab-initio molecular dynamics. A similar approach within the framework of machine-learning force fields would require the training of multiple models, one for the molecular dynamics and others for predicting the electronic quantities. The scheme is implemented here within the numerical framework of the PySCF code and applied to the infrared spectrum of the uracil molecule in the gas phase.
• Abstract（参考訳）: 我々は、分子の赤外線スペクトルの計算のための機械学習ワークフローを提案し、より一般的には、他の温度依存電子オブザーバブルについて述べる。 主な考え方は、Jacobi-Legendreクラスタ展開を用いて収束密度関数理論計算の実空間電荷密度を予測することである。 これにより、エネルギーと力の両方にアクセスでき、双極子モーメントや電子ギャップのような電子観測可能なものにアクセスできます。 したがって、同じモデルが同時に分子動力学シミュレーションを駆動し、軌道に沿った電子量を評価することができる。 機械学習力場の枠組みにおける同様のアプローチは、電子量を予測するために分子動力学などの複数のモデルの訓練を必要とする。 このスキームは、PySCF符号の数値的枠組みの中で実装され、気体相におけるウラシル分子の赤外スペクトルに適用される。

関連論文リスト

• OrbitAll: A Unified Quantum Mechanical Representation Deep Learning Framework for All Molecular Systems [64.69217059173184]
  OrbitAllは、幾何学および物理インフォームドディープラーニングフレームワークである。 任意の電荷、スピン、環境効果を持つ任意の分子系を表現し、処理することができる。 競合するAIモデルよりも10倍少ないトレーニングデータを使用して、化学精度を達成し、密度汎関数理論と比較して約103$ - 104$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2025-07-05T01:21:56Z)
• E3STO: Orbital Inspired SE(3)-Equivariant Molecular Representation for Electron Density Prediction [0.0]
  Slater-Type Orbitals (STO) からインスピレーションを得た新しいSE(3)-equivariantアーキテクチャを提案する。 我々のアプローチは、学習された軌道のような分子表現に代替的な機能形式を提供する。 分子電子密度のSOTA予測精度を他の分子動力学データよりも30～70%向上させることにより,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-10-08T15:20:33Z)
• Interpolating many-body wave functions for accelerated molecular dynamics on the near-exact electronic surface [0.0]
  我々は原子配置の空間を通して相関多電子状態のスキームを開発する。 我々は、その後のダイナミクスに対して、ほぼ正確なポテンシャルエネルギー表面への証明可能な収束を示す。 分子動力学の軌跡を体系的に解くため、現代の電子構造アプローチと組み合わせる。
  論文  参考訳（メタデータ） (2024-02-16T22:03:37Z)
• Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
  本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
  論文  参考訳（メタデータ） (2023-06-08T17:12:08Z)
• 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)
• Predicting molecular vibronic spectra using time-domain analog quantum simulation [0.0]
  本稿では,分子分光のスケーラブルなアナログ量子シミュレーション法を提案する。 我々のアプローチは、以前のモデルよりも複雑な分子モデルを扱うことができ、近似を少なくし、オープン量子システムに拡張することができる。 我々は,本アルゴリズムをトラップイオンデバイス上で実験的に実証し,固有電子自由度と運動自由度を両立させた。
  論文  参考訳（メタデータ） (2022-09-14T11:32:55Z)
• Calculating non-linear response functions for multi-dimensional electronic spectroscopy using dyadic non-Markovian quantum state diffusion [68.8204255655161]
  本稿では,分子集合体の多次元電子スペクトルと電子励起を結合した構造環境下でのシミュレーション手法を提案する。 このアプローチの重要な側面は、NMQSD方程式を2重系ヒルベルト空間で伝播するが、同じ雑音を持つことである。
  論文  参考訳（メタデータ） (2022-07-06T15:30:38Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)
• 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)
• 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$遷移金属イオンの単純な二量体で実現できる。
  論文  参考訳（メタデータ） (2021-03-17T15:03:12Z)
• Multi-task learning for electronic structure to predict and explore molecular potential energy surfaces [39.228041052681526]
  我々はOrbNetモデルを洗練し、分子のエネルギー、力、その他の応答特性を正確に予測する。 このモデルは、すべての電子構造項に対する解析的勾配の導出により、エンドツーエンドで微分可能である。 ドメイン固有の特徴を用いることにより、化学空間をまたいで移動可能であることが示されている。
  論文  参考訳（メタデータ） (2020-11-05T06:48:46Z)
• Predicting molecular dipole moments by combining atomic partial charges and atomic dipoles [3.0980025155565376]
  高レベル結合クラスター理論を用いて計算した分子$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。