論文の概要: Towards universal property prediction in Cartesian space: TACE is all you need

• arxiv url: http://arxiv.org/abs/2509.14961v1
• Date: Thu, 18 Sep 2025 13:51:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.248088
• Title: Towards universal property prediction in Cartesian space: TACE is all you need
• Title（参考訳）: カルト空間における普遍性予測に向けて : TACEが必要なのは
• Authors: Zemin Xu, Wenbo Xie, Daiqian Xie, P. Hu,
• Abstract要約: 原子クラスター膨張と運動電位は任意の構造決定的テンソル特性の体系的予測のための枠組みである。 我々は、TACEが主要な同変フレームワークに匹敵する精度、安定性、効率を達成することを実証する。 この研究は、新しい世代の普遍的原子論機械学習モデルの基礎を築いた。
• 参考スコア（独自算出の注目度）: 2.2468751274668466
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Machine learning has revolutionized atomistic simulations and materials science, yet current approaches often depend on spherical-harmonic representations. Here we introduce the Tensor Atomic Cluster Expansion and Tensor Moment Potential, the first unified framework formulated entirely in Cartesian space for the systematic prediction of arbitrary structure-determined tensorial properties. TACE achieves this by decomposing atomic environments into a complete hierarchy of (irreducible) Cartesian tensors, ensuring symmetry-consistent representations that naturally encode invariance and equivariance constraints. Beyond geometry, TACE incorporates universal embeddings that flexibly integrate diverse attributes including basis sets, charges, magnetic moments and field perturbations. This allows explicit control over external invariants and equivariants in the prediction process. Long-range interactions are also accurately described through the Latent Ewald Summation module within the short-range approximation, providing a rigorous yet computationally efficient treatment of electrostatic interactions. We demonstrate that TACE attains accuracy, stability, and efficiency on par with or surpassing leading equivariant frameworks across finite molecules and extended materials, including in-domain and out-of-domain benchmarks, spectra, hessians, external-field response, charged systems, magnetic systems, multi-fidelity training, and heterogeneous catalytic systems. Crucially, TACE bridges scalar and tensorial modeling and establishes a Cartesian-space paradigm that unifies and extends beyond the design space of spherical-harmonic-based methods. This work lays the foundation for a new generation of universal atomistic machine learning models capable of systematically capturing the rich interplay of geometry, fields and material properties within a single coherent framework.
• Abstract（参考訳）: 機械学習は原子論シミュレーションや材料科学に革命をもたらしたが、現在のアプローチはしばしば球面-調和表現に依存している。 ここでは、任意の構造決定的テンソル特性の体系的予測のために、カルト空間で完全に定式化された最初の統一フレームワークであるテンソル原子クラスター展開とテンソル運動ポテンシャルを紹介する。 TACEは、原子環境を(既約)カルテシアンテンソルの完全な階層に分解し、自然に不変性と等分散制約を符号化する対称性と一貫性のある表現を保証することでこれを達成している。 TACEは幾何学以外にも、基底集合、電荷、磁気モーメント、磁場の摂動を含む様々な属性を柔軟に統合する普遍的な埋め込みを取り入れている。 これにより、予測過程における外部不変量や同変を明示的に制御できる。 長距離相互作用は、短距離近似のラテント・エワルド・サメーション・モジュールを通して正確に記述され、厳密で計算学的に効率的な静電気相互作用の処理を提供する。 我々は、TACEが、ドメイン内およびドメイン外ベンチマーク、スペクトル、ヘッセン、外部応答、荷電系、磁気系、多相性トレーニング、異種触媒系を含む、有限分子および拡張材料間の主要な同変フレームワークに匹敵する精度、安定性、効率を達成できることを実証した。 重要なことに、TACEブリッジはスカラーおよびテンソルモデリングを橋渡し、球面ハーモニック法の設計空間を統一し拡張するカルテシアン空間パラダイムを確立している。 この研究は、単一のコヒーレントフレームワークにおいて、幾何学、フィールド、材料特性の豊富な相互作用を体系的に捉えることのできる、新しい世代の普遍原子論的機械学習モデルの基礎を築いた。

関連論文リスト

• Equivariant Machine Learning Interatomic Potentials with Global Charge Redistribution [1.6112718683989882]
  機械学習原子間ポテンシャル(MLIP)は、物質特性を予測するための量子力学シミュレーションの計算的に効率的な代替手段を提供する。 我々は、電子自由度を明示的に処理することで、長距離クーロン相互作用を取り入れた新しい同変MLIPを開発する。 我々は,ベンチマーク周期的および非周期的データセットの領域にわたって,我々のモデルを体系的に評価し,短距離同変および長距離不変MLIPよりもエネルギーおよび力の予測が優れていることを示した。
  論文  参考訳（メタデータ） (2025-03-23T05:26:55Z)
• Higher-Rank Irreducible Cartesian Tensors for Equivariant Message Passing [23.754664894759234]
  原子学シミュレーションは 化学の進歩に不可欠です 機械学習された原子間ポテンシャルは、計算コストのごく一部でアブイニシアト法と第一原理法と同等の精度を達成する。
  論文  参考訳（メタデータ） (2024-05-23T07:31:20Z)
• Physics-inspired Equivariant Descriptors of Non-bonded Interactions [0.0]
  本稿では,多種多様なLR相互作用を一貫した方法で処理できる長距離同変(LODE)フレームワークの拡張について述べる。 我々は、よりシンプルで効率的な実装を可能にするマルチポール拡張を用いて、これらを直接物理的に解釈する。
  論文  参考訳（メタデータ） (2023-08-25T07:04:16Z)
• 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)
• Unified Formulation of Phase Space Mapping Approaches for Nonadiabatic Quantum Dynamics [17.514476953380125]
  非断熱的力学過程は、化学、材料、生物学的および環境分子系において重要な量子力学的現象である。 位相空間結合F状態系上のハミルトニアン写像は特別な場合である。 非断熱系に対する写像相空間アプローチと非平衡電子輸送過程との同型性を示す。
  論文  参考訳（メタデータ） (2022-05-23T14:40:22Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)
• Self-consistent theory of mobility edges in quasiperiodic chains [62.997667081978825]
  準周期ポテンシャルを持つ近辺強結合鎖における移動端の自己整合理論を導入する。 モビリティエッジは、一般に研究されているオーブリー=アンドルー=ハーパー模型のエネルギー非依存的な自己双対性を欠いた準周期系において一般的なものである。
  論文  参考訳（メタデータ） (2020-12-02T19:00:09Z)
• Models of zero-range interaction for the bosonic trimer at unitarity [91.3755431537592]
  ゼロ範囲の2体相互作用によって相互に結合された同一ボソンからなる3体系に対する量子ハミルトニアンの構成について述べる。 プレゼンテーションの大部分では、無限の散乱長が考慮される。
  論文  参考訳（メタデータ） (2020-06-03T17:54:43Z)
• 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。