論文の概要: Accurate, full-dimensional computations of thousands of complex vibrational eigenstates with tree tensor network states
- arxiv url: http://arxiv.org/abs/2605.00998v1
- Date: Fri, 01 May 2026 18:03:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.533856
- Title: Accurate, full-dimensional computations of thousands of complex vibrational eigenstates with tree tensor network states
- Title（参考訳）: 木テンソルネットワーク状態を持つ数千の複雑な振動固有状態の高精度・フル次元計算
- Authors: Henrik R. Larsson, Brieuc Le Dé, Gino E. Gamboni,
- Abstract要約: 密度行列再正規化群(DMRG)と組み合わされたTTNSが振動・振動構造シミュレーションの強力なツールとして出現している。
本稿では,TTNS法が分子系に対する数千の固有状態の正確な実次元計算を実現する方法について論じる。
- 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: Tree tensor network states (TTNSs) combined with the density matrix renormalization group (DMRG) are emerging as powerful tools for vibrational and vibronic structure simulations in molecules with strong coupling and fluxionality. In this Perspective, we discuss how TTNS methods enable accurate, full-dimensional computations of thousands of eigenstates for molecular systems ranging from quartic-force-field benchmarks to molecules with strong vibronic coupling and protonated water clusters as large as the 33-dimensional Eigen ion, H$_3$O$^+$$\cdot$(H$_2$O)$_3$. We emphasize the close connection and interoperability between DMRG-based TTNS methods and the multilayer multiconfiguration time-dependent Hartree method (ML-MCTDH), which share the same underlying ansatz. We also highlight practical challenges of predictive simulations, including robust error estimation, convergence of observables such as infrared intensities, and optimization of tensor network tree structures. Finally, we outline recent advances toward direct targeting of excited states and discuss opportunities for broader applications in molecular spectroscopy and quantum dynamics.
- Abstract（参考訳）: 木テンソルネットワーク状態 (TTNS) と密度行列再正規化群 (DMRG) が組み合わさって, 強い結合とフラクショナル性を持つ分子における振動および振動構造シミュレーションの強力なツールとして出現している。
本稿では、TTNS法を用いて、クォート力場ベンチマークから強い振動結合を持つ分子、33次元固有イオン、H$_3$O$+$\cdot$(H$_2$O)$_3$などのプロトン化水クラスターまで、分子系の何千もの固有状態の正確な実次元計算を可能にする方法について論じる。
我々は,DMRGをベースとしたTTNS法と,同じアンサッツを共有するマルチ層多重構成時間依存型Hartree法(ML-MCTDH)の密接な接続と相互運用性を強調した。
また、ロバストな誤差推定、赤外強度などの可観測物の収束、テンソルネットワークツリー構造の最適化など、予測シミュレーションの実践的課題も強調する。
最後に、励起状態の直接的ターゲティングに向けた最近の進歩について概説し、分子分光法や量子力学における幅広い応用の可能性について議論する。
関連論文リスト
- Enhancing molecular dynamics with equivariant machine-learned densities [10.247839738079698]
本稿では,機械学習電子構造に対する密度優先のアプローチであるDenSNetを紹介する。
我々は, エタノール, エタンチオール, レゾルシノールのDenSNetの有効性を検証した。
電子密度を中心的な学習量として再統計することは、大規模分子シミュレーションにおいて分光・電子観測可能物質の伝達可能な予測への実用的な道を開くことを示す。
論文 参考訳（メタデータ） (2026-04-27T14:49:53Z) - A Universal Deep Learning Force Field for Molecular Dynamic Simulation and Vibrational Spectra Prediction [24.66572813199126]
我々は、スペクトル予測のための機械学習分子動力学(MLMD)シミュレーションを可能にするために、深部等変テンソルアテンションネットワーク(DetaNet)とベロシティ・バーレット積分器を統合する。
DetaNetベースのMD手法は,AIMDよりも最大3桁のスピードアップで,ほぼ実験的なスペクトル精度を実現する。
全体として、この研究は、高速で正確で広く適用可能な動的シミュレーションとIR/Ramanスペクトル予測を可能にする、普遍的な機械学習力場とフレームワークを確立する。
論文 参考訳（メタデータ） (2025-10-05T14:36:33Z) - DualEquiNet: A Dual-Space Hierarchical Equivariant Network for Large Biomolecules [32.33126287600196]
このネットワークはユークリッド空間と球面高調波空間の相補表現を構築し、局所幾何学と大域対称性を考慮した特徴を捉える。
DualEquiNetはRNA特性予測とタンパク質モデリングのための複数の既存のベンチマークで最先端のパフォーマンスを達成し、新しく導入された2つの3D構造ベンチマークで先行手法より優れている。
論文 参考訳（メタデータ） (2025-06-10T07:43:50Z) - Neural P$^3$M: A Long-Range Interaction Modeling Enhancer for Geometric
GNNs [66.98487644676906]
我々は,幾何学的GNNの汎用エンハンサーであるNeural P$3$Mを導入し,その機能範囲を拡大する。
幅広い分子系に柔軟性を示し、エネルギーと力を予測する際、顕著な精度を示す。
また、さまざまなアーキテクチャを統合しながら、OE62データセットで平均22%の改善も達成している。
論文 参考訳（メタデータ） (2024-09-26T08:16:59Z) - Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。
このようなシステムに対して動的疎結合が機能する十分な条件を見つける。
私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
論文 参考訳（メタデータ） (2024-09-24T04:58:28Z) - Connectivity matters: Impact of bath modes ordering and geometry in open quantum system simulation with Tensor Network States [0.0]
テンソルネットワークに基づく手法は、数値的に正確なシミュレーションを行うための最先端の手法である。
調和系+環境状態が行列積状態として記述され、収束に必要な結合次元を著しく減少させるボソニック環境モードの単純な順序付けを示す。
論文 参考訳（メタデータ） (2024-09-06T09:20:08Z) - 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) - ViSNet: an equivariant geometry-enhanced graph neural network with
vector-scalar interactive message passing for molecules [69.05950120497221]
本稿では、幾何学的特徴をエレガントに抽出し、分子構造を効率的にモデル化する同変幾何拡張グラフニューラルネットワークViSNetを提案する。
提案するViSNetは,MD17,MD17,MD22を含む複数のMDベンチマークにおける最先端の手法よりも優れ,QM9およびMolecule3Dデータセット上での優れた化学的特性予測を実現する。
論文 参考訳（メタデータ） (2022-10-29T07:12:46Z) - Super-resolution in Molecular Dynamics Trajectory Reconstruction with
Bi-Directional Neural Networks [0.0]
機械学習(ML)の異なる手法を探索し、後処理のステップで分子動力学軌道の解像度をオンデマンドで向上する。
サーモスタット軌道の局所的時間対称性を利用して、長距離相関を学習し、分子の複雑さにまたがる雑音のダイナミックスに対して高いロバスト性を示すことができる。
論文 参考訳（メタデータ） (2022-01-02T23:00:30Z)
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。