論文の概要: Enhanced Climbing Image Nudged Elastic Band method with Hessian Eigenmode Alignment

• arxiv url: http://arxiv.org/abs/2601.12630v2
• Date: Thu, 22 Jan 2026 17:11:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 13:30:18.392951
• Title: Enhanced Climbing Image Nudged Elastic Band method with Hessian Eigenmode Alignment
• Title（参考訳）: Hessian Eigenmodeアライメントを用いた拡張クライミング画像Nudged Elastic Band法
• Authors: Rohit Goswami, Miha Gunde, Hannes Jónsson,
• Abstract要約: 本稿では,CI-NEBとMMF法を統合する適応型ハイブリッドアルゴリズムを提案する。 エネルギーと力の中央値の46% (95% CrI: -55%, -37%) が, ヘプタマー島の遷移には28%の減少が認められた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate determination of transition states is central to an understanding of reaction kinetics. Double-endpoint methods where both initial and final states are specified, such as the climbing image nudged elastic band (CI-NEB), identify the minimum energy path between the two and thereby the saddle point on the energy surface that is relevant for the given transition, thus providing an estimate of the transition state within the harmonic approximation of transition state theory. Such calculations can, however, incur high computational costs and may suffer stagnation on exceptionally flat or rough energy surfaces. Conversely, methods that only require specification of an initial set of atomic coordinates, such as the minimum mode following (MMF) method, offer efficiency but can converge on saddle points that are not relevant for transition of interest. Here, we present an adaptive hybrid algorithm that integrates the CI-NEB with the MMF method so as to get faster convergence to the relevant saddle point. The method is benchmarked for the Baker-Chan (BC) saddle point test set using the PET-MAD machine-learned potential as well as 59 transitions of a heptamer island on Pt(111) from the OptBench benchmark set. A Bayesian analysis of the performance shows a median reduction in energy and force calculations of 46% [95% CrI: -55%, -37%] relative to CI-NEB for the BC set, while a 28% reduction is found for the transitions of the heptamer island. These results establish this hybrid method as a highly effective tool for high-throughput automated chemical discovery of atomic rearrangements.
• Abstract（参考訳）: 遷移状態の正確な決定は、反応速度論の理解の中心である。 クライミング画像ナッジ弾性バンド(CI-NEB)のような初期状態と最終状態の両方を指定した二重端点法は、2つの間の最小エネルギー経路を同定し、したがって、与えられた遷移に関係のあるエネルギー表面上のサドル点を同定し、遷移状態理論の調和近似における遷移状態の推定を与える。 しかし、そのような計算は高い計算コストを発生させ、非常に平坦なまたは粗いエネルギー表面で停滞する可能性がある。 逆に、最小モード追従法(MMF)のような初期原子座標の仕様のみを必要とする手法は、効率性を提供するが、関心の遷移とは無関係なサドル点に収束することができる。 本稿では,CI-NEBをMMF法と統合した適応型ハイブリッドアルゴリズムを提案する。 本手法は,PET-MADマシン学習電位を用いたBaker-Chan (BC) サドル点検セットと,OPtBenchベンチマークセットからPt(111)上のヘプタマー島の59遷移をベンチマークした。 ベイズ解析では, ヘプタマー島の遷移に比して46% (95% CrI: -55%, -37%) のエネルギーと力の中央値が減少し, ヘプタマー島の遷移に比して28%の減少が認められた。 これらの結果は、原子の再配列の高速な自動化学発見のための高効率なツールとして、このハイブリッド手法を確立している。

関連論文リスト

• Classical Benchmarks of a Symmetry-Adapted Variational Quantum Eigensolver for Real-Time Green's Functions in Dynamical Mean-Field Theory [0.0]
  アンダーソン不純物モデル(AIM)を解くための変分量子固有解法(VQE)アプローチを提案する。 DMFT自己整合性ループから抽出した入浴パラメータを用いて,異なる相互作用強度間での正確な対角化に対する性能をベンチマークした。 VQEとリアルタイム進化を組み合わせることで、量子古典ハイブリッドDMFTを2サイト近似を超えて効果的に拡張することができる。
  論文  参考訳（メタデータ） (2026-02-03T18:59:03Z)
• An efficient preconditioned conjugate-gradient solver for a two-component dipolar Bose-Einstein condensate [1.3037017215576174]
  双極性ボース-アインシュタイン凝縮体の基底状態に対する事前条件付き非線形共役勾配解法を開発した。 双極性混合に代表されるテクスチャと液滴安定性ウィンドウを再現する。
  論文  参考訳（メタデータ） (2025-10-28T15:44:47Z)
• Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study [3.765010805872486]
  本研究では、GERG-2008/CoolPropデータに基づいてトレーニングされた構造対応グラフニューラルネットワーク(GNN; DimeNet++)が、状態方程式(EoS)の実用的なサロゲートとして機能するかどうかを問う。 我々は90～200K以上の3次データセットと100バーへの圧力を生成し、15%密度フィルタ(5,200状態を1,516に還元する)でキュレートし、各状態と軽量な分子力学スナップショットを組み合わせて構造特性の供給を行う。 我々は、構成上、この研究におけるサロゲートは、VLEに対して平衡対応可能ではなく、実行時利益を提供しない、と結論づける。
  論文  参考訳（メタデータ） (2025-09-10T16:10:58Z)
• Locality Preserving Markovian Transition for Instance Retrieval [59.16243976912006]
  局所保存マルコフ遷移(LPMT)フレームワークは,複数状態の長期熱力学的遷移プロセスを用いて正確な多様体距離測定を行う。 提案するLPMTは,BCD(Bidirectional Collaborative Diffusion)を用いて,各グラフ間の拡散過程を統合することにより,強い類似性関係を確立する。 その後、Locality State Embedding (LSE)は各インスタンスを分散にエンコードし、ローカル一貫性を向上する。 これらの分布は熱力学的マルコフ遷移(TMT)プロセスを介して相互接続され、局所的な有効性を維持しながら効率的な大域的探索を可能にする。
  論文  参考訳（メタデータ） (2025-06-05T16:07:31Z)
• Semi-Implicit Variational Inference via Kernelized Path Gradient Descent [12.300415631357406]
  Kullback-Leibler分散を用いたトレーニングは、高次元設定における高分散とバイアスのために難しい場合がある。 非パラメトリックな平滑化によるトレーニングを安定化するカーネル化されたKL分散推定器を提案する。 関数空間における我々の手法のバイアスは良性であり、より安定で効率的な最適化をもたらす。
  論文  参考訳（メタデータ） (2025-06-05T14:34:37Z)
• Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
  等変グラフニューラルネットワーク(GNN)に基づく新しい非局所XC関数であるEquivariant Graph Exchange correlation (EG-XC)を導入する。 この点の雲に同変GNNを適用することにより、スケーラブルで正確な分子レンジ相互作用をキャプチャする。 EG-XCは、QM9上のデータ効率と分子サイズの外挿に優れ、5倍以上の分子で訓練された整合力場である。
  論文  参考訳（メタデータ） (2024-10-10T14:31:45Z)
• CWF: Consolidating Weak Features in High-quality Mesh Simplification [50.634070540791555]
  これらの要件をすべて同時に検討するスムーズな機能を提案する。 この官能基は、通常の異方性項と、セトロイド型ボロノイテッセルレーション(CVT)エネルギー項を含む。
  論文  参考訳（メタデータ） (2024-04-24T05:37:17Z)
• Force-free identification of minimum-energy pathways and transition states for stochastic electronic structure theories [0.18641315013048293]
  代用ヘッセン線探索法を用いて, MEP および TS 構造を効率的に同定する手法を提案する。 力のない量子モンテカルロ法を用いてMEPとTSを同定できることを示す。
  論文  参考訳（メタデータ） (2024-02-20T17:58:43Z)
• Nonparametric Instrumental Variable Regression through Stochastic Approximate Gradients [0.3277163122167434]
  集団リスクを直接最小化することにより,NPIV回帰に対処するための関数勾配降下アルゴリズムの定式化方法を示す。 我々は,過大なリスクに対するバウンダリの形で理論的支援を行い,提案手法の優れた安定性と競争性能を示す数値実験を行った。 このアルゴリズムは、ニューラルネットワークやカーネルベースの手法のような柔軟な推定器の選択と、非二次的損失関数を可能にする。
  論文  参考訳（メタデータ） (2024-02-08T12:50:38Z)
• Sampling with Mollified Interaction Energy Descent [57.00583139477843]
  モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する 我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-10-24T16:54:18Z)
• Efficient computational methods for rovibrational transition rates in molecular collisions [0.0]
  分子衝突における可逆遷移の状態間速度係数は量子散乱計算から得られる。 結合状態近似(CSA)に基づく近似的だがより効率的な手法を提案する。 また, NNCC法とマルチチャネル歪み波近似(MC-DWBA)を組み合わせることにより, 実際に精度を損なうことなく, さらにCPU時間を短縮できることを示した。
  論文  参考訳（メタデータ） (2022-06-09T12:53:07Z)
• Noise-resilient Edge Modes on a Chain of Superconducting Qubits [103.93329374521808]
  量子系の遺伝対称性は、それ以外は脆弱な状態を保護することができる。 非局所マヨラナエッジモード(MEM)を$mathbbZ$パリティ対称性で表す一次元キックドイジングモデルを実装した。 MEMは、予熱機構により特定の対称性を破るノイズに対して弾力性があることが判明した。
  論文  参考訳（メタデータ） (2022-04-24T22:34:15Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• Non-intrusive reduced order modeling of poroelasticity of heterogeneous media based on a discontinuous Galerkin approximation [0.0]
  異種多孔質媒体における線形多弾性問題に対する非侵入的モデル還元フレームワークを提案する。 内部ペナルティ不連続ガレルキン法(DG法)を全順序解法として利用し,不連続性を扱う。 我々のフレームワークは、DGソリューションの妥当な近似を提供するが、かなり高速である。
  論文  参考訳（メタデータ） (2021-01-28T04:21:06Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• No MCMC for me: Amortized sampling for fast and stable training of energy-based models [62.1234885852552]
  エネルギーベースモデル(EBM)は、不確実性を表す柔軟で魅力的な方法である。 本稿では,エントロピー規則化ジェネレータを用いてEMMを大規模に訓練し,MCMCサンプリングを記憶する簡単な方法を提案する。 次に、最近提案されたジョイント・エナジー・モデル(JEM)に推定器を適用し、元の性能と高速で安定したトレーニングとを一致させる。
  論文  参考訳（メタデータ） (2020-10-08T19:17:20Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。