論文の概要: Prediction of Molecular Single-Photon Emitters: A Materials-Modelling Approach

• arxiv url: http://arxiv.org/abs/2510.06407v1
• Date: Tue, 07 Oct 2025 19:36:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.169978
• Title: Prediction of Molecular Single-Photon Emitters: A Materials-Modelling Approach
• Title（参考訳）: 分子シングル光子エミッタの予測:材料モデルによるアプローチ
• Authors: Erik Karlsson Öhman, Daqing Wang, R. Matthias Geilhufe, Christian Schäfer,
• Abstract要約: 分子量子光物質界面のポテンシャルを探索するための理論的・計算的な枠組みを提案する。 我々は将来有望な新しい候補を同定し、そのうちの1つはキラル分子エミッターである。 機械学習ルーチンと統合された我々のアプローチの今後の拡張は、分子量子光-マッターインターフェースの完全な可能性を解き放つことを約束する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Interfacing light with quantum systems is an integral part of quantum technology, with the most essential building block being single-photon emitters. Although various platforms exist, each with its individual strengths, molecular emitters boast a unique advantage -- namely the flexibility to tailor their design to fit the requirements of a specific task. However, the characteristics of the vast space of possible molecular configurations are challenging to understand and explore. Here, we present a theoretical and computational framework to initiate exploration of this vast potential by integrating database analysis with microscopic predictions. Using a model system of dibenzoterrylene in an anthracene host as benchmark, our approach identifies promising new candidates, among them a chiral molecular emitter. Future extensions of our approach integrated with machine learning routines hold the promise of ultimately unlocking the full potential of molecular quantum light-matter interfaces.
• Abstract（参考訳）: 量子システムとの対向光は量子技術の不可欠な部分であり、最も重要な構成要素は単一光子エミッタである。 様々なプラットフォームが存在するが、それぞれが個々の強みを持っているため、分子エミッタは固有の利点がある。 しかし、可能な分子配置の広大な空間の特徴は理解と探索が困難である。 本稿では、データベース解析と微視的予測を統合することにより、この膨大なポテンシャルの探索を開始するための理論的・計算的な枠組みを提案する。 アントラセンホスト中のジベンゾテレレンのモデル系をベンチマークとして,本手法では,キラル分子エミッタを含む有望な新規候補を同定する。 機械学習ルーチンと統合された我々のアプローチの今後の拡張は、最終的に分子量子光-マッターインターフェースの完全な可能性を解き放つという約束を守ります。

関連論文リスト

• $\text{M}^{2}$LLM: Multi-view Molecular Representation Learning with Large Language Models [59.125833618091846]
  分子構造ビュー,分子タスクビュー,分子規則ビューの3つの視点を統合した多視点フレームワークを提案する。 実験によると、$textM2$LLMは、分類タスクと回帰タスクをまたいだ複数のベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-08-12T05:46:47Z)
• De Novo Design of Protein-Binding Peptides by Quantum Computing [44.99833362998488]
  我々は、原子的に解決された予測のために古典的および量子コンピューティングを統合するマルチスケールフレームワークを導入する。 D-Wave量子アニールは、実験とよく相関する一次構造と結合ポーズを持つ化学的に多様なバインダーの集合を急速に生成する。
  論文  参考訳（メタデータ） (2025-03-07T14:31:14Z)
• Small but large: Single organic molecules as hybrid platforms for quantum technologies [0.0]
  固体マトリックスに埋め込まれた単一の有機分子は、顕著な光学的性質を示す。 このシステムが含む豊富な内部状態について詳しく検討し、量子メモリ、スピン光子インタフェース、スピンレジスタ、光力学の応用にそれらを活用するための戦略を提唱する。
  論文  参考訳（メタデータ） (2024-12-17T22:32:28Z)
• Quantized Embedding Approaches for Collective Strong Coupling -- Connecting ab initio and macroscopic QED to Simple Models in Polaritonics [0.0]
  我々は多体量子光学系に対してアクセス可能なアブイニシアト量子埋め込みの概念を導入する。 我々のアプローチは、分極場の量子ゆらぎを完全に含んでいる。
  論文  参考訳（メタデータ） (2024-08-24T12:50:10Z)
• Symmetry-invariant quantum machine learning force fields [0.0]
  我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。 この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-19T16:15:53Z)
• 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)
• Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model [44.60174246341653]
  本稿では, 構造と生化学的性質を組み込んだ, 新規なマルチモーダル分子事前学習モデルを提案する。 提案するデータハンドリングおよびトレーニング目的のモデルパイプラインは、共通埋め込み空間における構造/プロパティの特徴を整合させる。 これらのコントリビューションは相乗的知識を生み出し、単一のモデルでマルチモーダルと非モーダルの両方の下流タスクに取り組むことができる。
  論文  参考訳（メタデータ） (2022-11-19T05:16:08Z)
• 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)
• Moir\'e heterostructures as a condensed matter quantum simulator [0.8126281861908967]
  ツイスト・ファン・デル・ワールスのヘテロ構造は顕著な実験的性質を持つ。 本稿では,これらのシステムをロバストな量子シミュレーションプラットフォームとして利用することを提案する。
  論文  参考訳（メタデータ） (2020-11-25T10:55:46Z)
• 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。