論文の概要: Neural network ensemble for computing cross sections for rotational transitions in H$_{2}$O + H$_{2}$O collisions
- arxiv url: http://arxiv.org/abs/2507.18974v1
- Date: Fri, 25 Jul 2025 05:59:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-28 16:16:48.835101
- Title: Neural network ensemble for computing cross sections for rotational transitions in H$_{2}$O + H$_{2}$O collisions
- Title（参考訳）: H$_{2}$O + H$_{2}$O衝突における回転遷移の断面積計算のためのニューラルネットワークアンサンブル
- Authors: Bikramaditya Mandal, Dmitri Babikov, Phillip C. Stancil, Robert C. Forrey, Roman V. Krems, Naduvalath Balakrishnan,
- Abstract要約: ニューラルネットワーク(NN)のアンサンブルを用いて断面予測を行う機械学習ツールを提案する。
提案手法は、混合量子古典理論(MQCT)を用いて計算されたデータを利用する。
トレーニングには計算データの約10%しか使用せず、NNはH$_2$O + H$_2$O衝突の状態-状態間の回転遷移の断面積を予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Water (H$_2$O) is one of the most abundant molecules in the universe and is found in a wide variety of astrophysical environments. Rotational transitions in H$_2$O + H$_2$O collisions are important in modeling environments rich in water molecules but they are computationally intractable using quantum mechanical methods. Here, we present a machine learning (ML) tool using an ensemble of neural networks (NNs) to predict cross sections to construct a database of rate coefficients for rotationally inelastic transitions in collisions of complex molecules such as water. The proposed methodology utilizes data computed with a mixed quantum-classical theory (MQCT). We illustrate that efficient ML models using NN can be built to accurately interpolate in the space of 12 quantum numbers for rotational transitions in two asymmetric top molecules, spanning both initial and final states. We examine various architectures of data corresponding to each collision energy, symmetry of water molecule, and excitation/de-excitation rotational transitions, and optimize the training/validation data sets. Using only about 10\% of the computed data for training, the NNs predict cross sections of state-to-state rotational transitions of H$_{2}$O + H$_{2}$O collision with average relative root mean square error of 0.409. Thermally averaged cross sections, computed using the predicted state-to-state cross sections ($\sim$90\%) and the data used for training and validation ($\sim$10\%) were compared against those obtained entirely from MQCT calculations. The agreement is found to be excellent with an average percent deviation of about $\sim$13.5\%. The methodology is robust, and thus, applicable to other complex molecular systems.
- Abstract（参考訳）: 水(H$_2$O)は宇宙で最も豊富な分子の1つで、様々な天体物理学の環境で見られる。
H$_2$O + H$_2$O衝突における回転遷移は、水分子に富む環境のモデリングにおいて重要であるが、量子力学的手法を用いて計算的に抽出可能である。
本稿では、ニューラルネットワーク(NN)のアンサンブルを用いて、断面を予測し、水などの複雑な分子の衝突における回転非弾性遷移の速度係数のデータベースを構築する機械学習(ML)ツールを提案する。
提案手法は、混合量子古典理論(MQCT)を用いて計算されたデータを利用する。
NNを用いた効率的なMLモデルは、初期状態と最終状態の両方にまたがる2つの非対称トップ分子の回転遷移のために、12個の量子数の空間を正確に補間するために構築できることを示す。
本研究では、各衝突エネルギー、水分子の対称性、励起/脱励起回転遷移に対応するデータの様々なアーキテクチャについて検討し、トレーニング/検証データセットを最適化する。
H$_{2}$O + H$_{2}$O 衝突と平均相対根平均二乗誤差 0.409 の状態-状態間の回転遷移の断面積を予測する。
予測された状態間クロスセクション($90\%)とトレーニングおよび検証に使用されるデータ($10\%)を用いて計算した熱的平均断面積($10\%)を比較した。
この合意は、平均偏差が約$\sim$13.5\%の点で優れている。
この手法は他の複雑な分子系にも適用可能である。
関連論文リスト
- Accurate generation of chemical reaction transition states by conditional flow matching [0.6872939325656702]
本稿では,条件付きフローマッチング生成モデルTS-GENを紹介する。
単純なガウスのサンプルを1つの決定論的パスで直接遷移状態のサドルポイントジオメトリーにマッピングする。
前例のない精度で、根平均平方偏差は0.004 rmmathringA$である。
論文 参考訳（メタデータ） (2025-07-14T17:54:47Z) - Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [63.945006006152035]
テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。
1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。
論文 参考訳（メタデータ） (2025-07-01T18:46:27Z) - Rate Coefficients for Rotational State-to-State Transitions in H$_2$O + H$_2$ Collisions as Predicted by Mixed Quantum/Classical Theory (MQCT) [0.0]
バックグラウンドガスと衝突したH$Oの回転状態間の遷移に対する衝突速度係数の新しいデータベースを開発した。
目的は、水の回転状態(200状態を含む)と水素の回転状態(10状態)の観点から、他の既存のデータベースを超えて拡張することである。
論文 参考訳（メタデータ） (2024-08-23T19:19:53Z) - Dynamic, Symmetry-Preserving, and Hardware-Adaptable Circuits for Quantum Computing Many-Body States and Correlators of the Anderson Impurity Model [0.0]
ハミルトン予想値は$omega(N_q)N_textmeas. leq O(N_textimpN_textbath)$対称性保存並列測定回路を必要とする。
我々のアンサッツは、初期のフォールトトレラントプロセッサの電子的相関を考慮に入れるのに有用なツールである。
論文 参考訳（メタデータ） (2024-05-23T21:41:28Z) - Molecular Geometry-aware Transformer for accurate 3D Atomic System
modeling [51.83761266429285]
本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。
MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
論文 参考訳（メタデータ） (2023-02-02T03:49:57Z) - Graph neural networks for fast electron density estimation of molecules,
liquids, and solids [0.0]
a machine learning framework for the prediction of $rho(vecr)$。
このモデルは、複数の分子(QM9)、液体エチレン炭酸塩電解質(EC)、LixNiyMnzCo(1-y-z)O2リチウムイオン電池陰極(NMC)で試験される。
論文 参考訳（メタデータ） (2021-12-01T16:57:31Z) - 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) - Tightening the Dependence on Horizon in the Sample Complexity of
Q-Learning [59.71676469100807]
この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。
計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
論文 参考訳（メタデータ） (2021-02-12T14:22:05Z) - 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) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。