論文の概要: Are neural scaling laws leading quantum chemistry astray?

• arxiv url: http://arxiv.org/abs/2509.26397v1
• Date: Tue, 30 Sep 2025 15:31:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.597729
• Title: Are neural scaling laws leading quantum chemistry astray?
• Title（参考訳）: 量子化学法則は量子化学法則を導くか?
• Authors: Siwoo Lee, Adji Bousso Dieng,
• Abstract要約: ニューラルネットワークのスケーリング法則は、機械学習コミュニティをドメイン全体にわたるより広い基礎モデルのトレーニングへと駆り立てている。 我々は、量子化学計算からモデルキャパシティをスケーリングし、データをトレーニングすることで、この公約を量子化学で検証する。
• 参考スコア（独自算出の注目度）: 4.806221517114355
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural scaling laws are driving the machine learning community toward training ever-larger foundation models across domains, assuring high accuracy and transferable representations for extrapolative tasks. We test this promise in quantum chemistry by scaling model capacity and training data from quantum chemical calculations. As a generalization task, we evaluate the resulting models' predictions of the bond dissociation energy of neutral H$_2$, the simplest possible molecule. We find that, regardless of dataset size or model capacity, models trained only on stable structures fail dramatically to even qualitatively reproduce the H$_2$ energy curve. Only when compressed and stretched geometries are explicitly included in training do the predictions roughly resemble the correct shape. Nonetheless, the largest foundation models trained on the largest and most diverse datasets containing dissociating diatomics exhibit serious failures on simple diatomic molecules. Most strikingly, they cannot reproduce the trivial repulsive energy curve of two bare protons, revealing their failure to learn the basic Coulomb's law involved in electronic structure theory. These results suggest that scaling alone is insufficient for building reliable quantum chemical models.
• Abstract（参考訳）: ニューラルネットワークのスケーリング法則は、機械学習コミュニティをドメイン全体にわたるより広い基礎モデルのトレーニングへと駆り立てている。 我々は、量子化学計算からモデルキャパシティをスケーリングし、データをトレーニングすることで、この公約を量子化学で検証する。 一般化タスクとして、最も単純な分子である中性H$_2$の結合解離エネルギーのモデルによる予測を評価する。 データセットのサイズやモデル容量に関わらず、安定した構造にのみ訓練されたモデルは劇的に失敗し、H$_2$エネルギー曲線を定性的に再現する。 圧縮および拡張されたジオメトリがトレーニングに明示的に含まれている場合のみ、予測は正しい形状に大まかに類似する。 それでも、解離二原子を含む最大かつ最も多様なデータセットに基づいて訓練された最大の基礎モデルは、単純な二原子分子に深刻な欠陥を示す。 最も注目すべきは、2つの素陽子の自明な反発エネルギー曲線を再現することはできず、電子構造理論に関わるクーロンの基本法則を学べなかったことを明らかにすることである。 これらの結果は、スケーリングだけでは信頼性のある量子化学モデルを構築するには不十分であることを示唆している。

関連論文リスト

• Are Molecules Magical? Non-Stabilizerness in Molecular Bonding [50.24983453990065]
  分離原子と平衡状態の分子は、量子計算複雑性の観点からは単純であると推定される。 化学結合の形成過程は電子基底状態の量子的複雑さの顕著な増大を伴うことを示す。
  論文  参考訳（メタデータ） (2025-04-09T08:14:27Z)
• Enhancing the Scalability and Applicability of Kohn-Sham Hamiltonians for Molecular Systems [11.085215676429858]
  我々は、物理精度で密度汎関数理論計算のためのスケーラブルなモデルを作成する。 その結果, 総エネルギー予測誤差を1347倍, SCF計算速度を18%削減できることがわかった。
  論文  参考訳（メタデータ） (2025-02-26T15:36:25Z)
• Modeling Non-Covalent Interatomic Interactions on a Photonic Quantum Computer [50.24983453990065]
  我々は、cQDOモデルがフォトニック量子コンピュータ上でのシミュレーションに自然に役立っていることを示す。 我々は、XanaduのStrawberry Fieldsフォトニクスライブラリを利用して、二原子系の結合エネルギー曲線を計算する。 興味深いことに、2つの結合したボソニックQDOは安定な結合を示す。
  論文  参考訳（メタデータ） (2023-06-14T14:44:12Z)
• Disorder enhanced vibrational entanglement and dynamics in polaritonic chemistry [0.0]
  理論は、しばしば核と電子フォトニック自由度の間の量子的絡み合いを無視している。 我々は、障害が短い時間スケールでこの絡み合いの蓄積を強く促進できることを示す。 100以上の分子の正確な量子力学をシミュレートする。
  論文  参考訳（メタデータ） (2021-07-13T13:06:52Z)
• Engineering analog quantum chemistry Hamiltonians using cold atoms in optical lattices [69.50862982117127]
  数値的なアナログシミュレータの動作条件をベンチマークし、要求の少ない実験装置を見出す。 また、離散化と有限サイズ効果により生じるシミュレーションの誤差についてより深く理解する。
  論文  参考訳（メタデータ） (2020-11-28T11:23:06Z)
• On the equivalence of molecular graph convolution and molecular wave function with poor basis set [7.106986689736826]
  量子物理学に基づく機械学習モデルである量子深度場(QDF)について述べる。 分子エネルギー予測タスクでは、外挿の可能性を実証し、小さな分子でQDFモデルを訓練し、大きな分子でテストし、高い性能を実現した。
  論文  参考訳（メタデータ） (2020-11-16T13:20:35Z)
• A multiconfigurational study of the negatively charged nitrogen-vacancy center in diamond [55.58269472099399]
  広帯域ギャップ半導体の深い欠陥は、量子センシングと情報応用を実現するための主要な量子ビット候補として現れている。 ここでは、単一粒子処理とは異なり、伝統的に原子/分子に予約されていた多重構成量子化学法は、これらの欠陥中心の電子状態の多体特性を正確に記述する。
  論文  参考訳（メタデータ） (2020-08-24T01:49:54Z)
• A deep neural network for molecular wave functions in quasi-atomic minimal basis representation [0.0]
  今回提案したShNet for Orbitals (SchNOrb) Deep Convolutional Neural Network Model [Nature Commun 10, 5024]の準原子最小基底表現における電子波関数への適応について述べる。 5から13個の重原子を含む5つの有機分子に対して、このモデルは分子軌道エネルギーと波動関数を正確に予測し、化学結合解析のための導出特性へのアクセスを提供する。
  論文  参考訳（メタデータ） (2020-05-11T06:55:36Z)
• Quantum Simulation of 2D Quantum Chemistry in Optical Lattices [59.89454513692418]
  本稿では,光学格子中の低温原子に基づく離散2次元量子化学モデルのアナログシミュレータを提案する。 まず、単一フェルミオン原子を用いて、HとH$+$の離散バージョンのような単純なモデルをシミュレートする方法を分析する。 次に、一つのボゾン原子が2つのフェルミオン間の効果的なクーロン反発を媒介し、2次元の水素分子の類似性をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-02-21T16:00:36Z)

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。