論文の概要: Reaching for the performance limit of hybrid density functional theory for molecular chemistry

• arxiv url: http://arxiv.org/abs/2603.23466v1
• Date: Tue, 24 Mar 2026 17:33:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.615153
• Title: Reaching for the performance limit of hybrid density functional theory for molecular chemistry
• Title（参考訳）: 分子化学におけるハイブリッド密度汎関数理論の性能限界へのアプローチ
• Authors: Jiashu Liang, Martin Head-Gordon,
• Abstract要約: 選択されたアプリケーションドメイン内で確実に最も正確な機能を開発するには、体系的なプロトコルが必要である。 本稿では,制約強制,フレキシブルな機能形式,現代的な最適化を組み合わせたプロトコルを提案する。 幅広い分子ベンチマークにおいて、COACHはRSHメタGGAと比較して精度と転送性の両方を改善している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Density functional theory (DFT) offers an exceptional balance between accuracy and efficiency, but practical density functional approximations face an unavoidable trade-off among simplicity, accuracy, and transferability. A systematic protocol is therefore needed to develop functionals that are reliably most accurate within a chosen application domain. Here we present such a protocol by combining constraint enforcement, flexible functional forms, and modern optimization. Applying this strategy to the range-separated hybrid (RSH) meta-GGA framework, we obtain the carefully optimized and appropriately constrained hybrid (COACH) functional. Across broad molecular benchmarks, COACH improves both accuracy and transferability relative to leading RSH meta-GGAs, including \omegaB97M-V, while retaining the computational practicality of its rung. Finally, our analysis of the remaining trade-offs and saturation behavior suggests that further systematic progress will likely require the incorporation of genuinely nonlocal information.
• Abstract（参考訳）: 密度汎関数理論(DFT)は精度と効率の間には例外的なバランスを与えるが、実用密度汎関数近似は単純さ、正確性、伝達性の間で避けられないトレードオフに直面している。 したがって、選択されたアプリケーションドメイン内で確実に最も正確な機能を開発するには、体系的なプロトコルが必要である。 本稿では,制約強制,フレキシブルな関数形式,モダンな最適化を組み合わせたプロトコルを提案する。 この戦略をレンジ分離型ハイブリッド(RSH)メタGGAフレームワークに適用し、慎重に最適化され、適切に制約されたハイブリッド(COACH)機能を得る。 幅広い分子ベンチマークにおいて、COACHはRSHメタGGA(例えば \omegaB97M-V)と比較して精度と転送性の両方を改善し、ラングの計算的実用性を維持している。 最後に、残りのトレードオフと飽和挙動の分析から、さらなる体系的な進展は、真に非局所的な情報の取り込みを必要とする可能性が示唆されている。

関連論文リスト

• Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes [14.367563771141592]
  RAMBOはガウス過程のディリクレプロセス混合体であり、最適化中に遅延状態を自動的に検出する。 我々は、効率的な推論のために潜在関数を解析的に極小化する、崩壊したギブスサンプリングを導出した。 我々の獲得機能は、不確実性を登録内および登録間コンポーネントに分解する。
  論文  参考訳（メタデータ） (2026-01-27T20:45:50Z)
• Fast and robust parametric and functional learning with Hybrid Genetic Optimisation (HyGO) [0.5628958216121255]
  HyGOは、進化的アルゴリズムのグローバルな探索機能と、ロバストな解の探索の高速化を統合している。 パラメトリック問題の場合、HyGOは遺伝的アルゴリズムとDSM(Dowhill Simplex Method)による目標改善を交互に行う。 機能最適化タスクでは、HyGOは遺伝プログラミングとDSMの間で回転する。
  論文  参考訳（メタデータ） (2025-10-10T13:45:32Z)
• MAPGD: Multi-Agent Prompt Gradient Descent for Collaborative Prompt Optimization [11.108961365820136]
  本稿では,プロンプト最適化を特殊エージェント間の協調プロセスとして再認識する新しいフレームワークを提案する。 各エージェントは、指示明快さ、例選択、フォーマット構造、スタイル適応など、明確な精細化の次元に重点を置いている。 我々はMAPGDが精度と効率の両面で単一エージェントとランダムベースラインを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-14T17:28:52Z)
• Pareto Actor-Critic for Communication and Computation Co-Optimization in Non-Cooperative Federated Learning Services [18.291028557265864]
  ゲーム理論によるマルチエージェント強化学習(MARL)フレームワークであるPAC-MCoFLを導入する。 PAC-MCoFL-p はパラメータ化予測生成器を特徴とするスケーラブルな変種であり,有界な誤差で計算複雑性を著しく低減する。
  論文  参考訳（メタデータ） (2025-08-22T02:09:48Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)
• A Transferable Recommender Approach for Selecting the Best Density Functional Approximations in Chemical Discovery [0.4063872661554894]
  単一の密度関数近似を普遍的精度で同定することはなく、DFTから生成されたデータの質が不確実になる。 我々は,金標準に対して最小の誤差でDFAを選択するDFAレコメンデータを構築した。 提案手法は, DFAの最高性能を予測し, 化学的発見に優れた精度(約2kcal/mol)が得られる。
  論文  参考訳（メタデータ） (2022-07-21T20:45:57Z)
• Optimization-Derived Learning with Essential Convergence Analysis of Training and Hyper-training [52.39882976848064]
  固定点反復に基づく一般化クラスノセルスキーマンスキースキーム(GKM)を基本ODLモジュールとして設計する。 GKMスキームでは、最適トレーニングとハイパートレーニング変数を同時に解くために、バイレベルメタ最適化(BMO)アルゴリズムフレームワークを構築している。
  論文  参考訳（メタデータ） (2022-06-16T01:50:25Z)
• eQE 2.0: Subsystem DFT Beyond GGA Functionals [58.720142291102135]
  サブシステム-DFT (subsystem-DFT) は、大規模電子構造計算の計算コストを劇的に削減することができる。 sDFTの鍵となる要素は、その精度を支配する非付加的な運動エネルギーと交換相関関数である。 eQE 2.0は従来のコーンシャムDFTやCCSD(T)と比較して優れた相互作用エネルギーを提供する
  論文  参考訳（メタデータ） (2021-03-12T22:26:36Z)

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。