論文の概要: Coupled-cluster molecular properties across the main group that extrapolate beyond training size

• arxiv url: http://arxiv.org/abs/2608.18346v1
• Date: Tue, 18 Aug 2026 21:57:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.223525
• Title: Coupled-cluster molecular properties across the main group that extrapolate beyond training size
• Title（参考訳）: トレーニングサイズを超えて外挿する主群にまたがる結合クラスター分子特性
• Abstract要約: 我々は、単一の同変ネットワークMEHnet-MGを用いて、1つの安価なB3LYP/def2-SVP計算から有効な1電子ハミルトニアンを予測する。 このモデルは、CCSD(T)レベルで計算された9つの要素すべてに対して、新しい社内のマルチプロパティラベルデータセットに基づいてトレーニングされる。
• 参考スコア（独自算出の注目度）: 23.611033259416402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coupled-cluster theory defines the accuracy standard for molecular electronic-structure properties but scales too steeply for routine application, whereas density-functional theory is affordable yet systematically biased. We resolve this trade-off with a single equivariant network, MEHnet-MG, that predicts an effective one-electron Hamiltonian from one inexpensive B3LYP/def2-SVP calculation and derives a broad suite of properties from it (energy, optical gap, dipole, quadrupole, polarizability, Mulliken atomic charges, and Mayer bond orders) at coupled-cluster accuracy across nine main-group elements, including the under-served phosphorus, sulfur, and chlorine chemistries. The model is trained on a new in-house dataset of multi-property labels computed at the CCSD(T) level for all nine elements. On a held-out test set, it reduces the error of every property by a factor of 3.8 to 230 relative to semi-local, hybrid, and double-hybrid DFT (referenced to composite CCSD(T)/cc-pVTZ; Methods), while adding only ~25 ms wall time per molecule, delivering coupled-cluster-quality predictions at the cost of a single DFT calculation. Critically, deriving every property from a predicted Hamiltonian rather than pooling per-atom features builds the correct size-scaling into the model architecture: on pi-conjugated oligothiophenes it matches finite-field CCSD polarizability and the EOM-CCSD optical gap to ~2% at the largest sizes where those references remain affordable (44 and 37 atoms, where a single CCSD field point already costs ~500x the model's entire inference) and extrapolates the corrected trends to 58-atom chains, a regime where pooling-based architectures fail by construction. Accurate extrapolation is therefore set by the model's inductive bias rather than by the training data.
• Abstract（参考訳）: 結合クラスター理論(英語版)は分子電子構造特性の精度標準を定義するが、通常の応用には急激にスケールするが、密度汎関数理論は安価だが体系的に偏りがある。 このトレードオフは、1つの安価なB3LYP/def2-SVP計算から有効な1電子ハミルトニアンを予測し、その性質(エネルギー、光学的ギャップ、双極子、四極子、偏光性、Mulliken原子電荷、マイヤー結合位)を、未保存リン、硫黄、塩素化学などを含む9つの主群元素の結合クラスター精度で導出する。 このモデルは、CCSD(T)レベルで計算された9つの要素すべてに対して、新しい社内のマルチプロパティラベルデータセットに基づいてトレーニングされる。 ホールドアウトテストセットでは、半局所、ハイブリッド、二重ハイブリッドDFT(合成CCSD(T)/cc-pVTZ; Methodsを参照)に対して、全ての特性の誤差を3.8から230の係数で減少させ、一方のDFT計算のコストで結合クラスタ品質の予測を行う。 ピ共役オリゴチオフェインでは、有限場CCSD偏光性とEOM-CCSD光学ギャップは、これらの参照が手頃な価格のままである最大のサイズ(44原子と37原子、その1つのCCSDフィールドポイントがモデルの全推論の500倍)で約2%まで一致し、補正されたトレンドを58原子連鎖へと外挿する。 したがって、正確な外挿はトレーニングデータではなく、モデルの帰納バイアスによって設定される。

関連論文リスト

• Multipole splats for optimized and inverted effective potentials [0.4369550829556578]
  3つの標準DFT障害モードの改善を示す。 近似的およびほぼ正確な逆相関ポテンシャルを比較することで、自己相互作用、非局在化、静的相関誤差の空間的シグネチャを分離する。 また、より大規模な$$共役系の正確な交換ポテンシャル、スケーリング能力も計算します。
  論文  参考訳（メタデータ） (2026-09-08T18:00:02Z)
• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Learning the Kohn-Sham map with neural operators for quasi-linear scaling density functional theory [57.90994363143731]
  コーン-シャム密度汎関数理論(DFT)は電子構造シミュレーションの基盤となる。 繰り返しの軌道対角化は立方体スケーリングをもたらし、量子計算を控えめなスケールに制限する。 我々は、コーン・シャムポテンシャルを対応する密度と非相互作用運動エネルギーに直接マッピングする軌道自由DFTの学習目標を開発する。
  論文  参考訳（メタデータ） (2026-08-24T23:05:42Z)
• Derivative Informed Learning of Exchange-Correlation Functionals [46.44973075720396]
  機械学習 (ML) Exchange-correlation (XC) 関数は、人間の設計した密度関数近似を置き換えることを目的としている。 我々は,B3LYP/def2-SVPターゲットを再現するために,$mathcalO(N4)$-scaling ML-XC関数を訓練したハイブリッド蒸留条件について検討した。 本稿では、参照ハイブリッド関数からの付加情報を含む損失であるデリバティブインフォームドXC-ロス(DI-Loss)を紹介する。
  論文  参考訳（メタデータ） (2026-06-02T23:07:54Z)
• Bipartite Cholesky Graph Networks for Many-Body Quantum Chemistry [0.0]
  ERIのテンソル因子化は、自然に構造化されたバイパーティイトメッセージパッシングアーキテクチャを誘導することを示す。 我々は、軌道自由度と補助相互作用ノードを異なる集合としてモデル化する二部グラフネットワークを導出する。
  論文  参考訳（メタデータ） (2026-05-24T21:50:00Z)
• Fault-tolerant simulation of the electronic structure using Projector Augmented-Waves and Bloch orbitals [43.936586633107396]
  本稿では、Bloch-orbital $k$-space構造とユニタリプロジェクタ拡張波増幅を組み合わせたBloch--UPAWフレームワークを提案する。 量子化に適した線形コンビネーション・オブ・ユニタリ分解回路とブロック符号化回路を導出する。 漸近的に、Toffoliのコストは$k$-meshの精製時に$mathcalO(N_k3)$、スーパーセルの拡張時に$mathcalO(N_a3.5)$とスケールする。
  論文  参考訳（メタデータ） (2026-04-13T23:46:58Z)
• Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
  この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。 分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。 細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
  論文  参考訳（メタデータ） (2025-07-22T04:35:50Z)
• 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)
• Generalized Many-Body Dispersion Correction through Random-phase Approximation for Chemically Accurate Density Functional Theory [0.0]
  我々は最近提案したディープラーニング支援多体分散モデル(DNN-MBD)を四極分極性(Q)に拡張する。 転送可能で効率的なディープ・ニューロナール・ネットワーク(DNN)は分子体積の原子を提供し、一方1つのレンジ分離パラメータはモデルと密度汎関数理論を結合するために用いられる。
  論文  参考訳（メタデータ） (2022-10-18T11:56:20Z)
• Exact two-component Hamiltonians for relativistic quantum chemistry: Two-electron picture-change corrections made simple [0.0]
  正確な2成分(X2C)ハミルトニアンフレームワーク内で生じる2つの行列代数的手法を用いて、テキストおよびスピン軌道2電子画像変化効果(PCE)を補正する。 我々は、これらのPCE補正モデルの、グループ18およびグループ16二原子分子のスピノルエネルギーに関する数値的性能を評価する。 我々は、(e)amfX2C PCE補正モデルが、普遍的で信頼性の高い2成分量子化学アプローチに向けた基本的なマイルストーンであると確信している。
  論文  参考訳（メタデータ） (2022-04-08T10:11:29Z)
• Too big, too small or just right? A benchmark assessment of density functional theory for predicting the spatial extent of the electron density of small chemical systems [0.0]
  100個の小分子に対して$mathcalK$のプリニカル成分のベンチマークデータセットを開発した。 このデータセットに対して、47の人気度と最近の密度関数の性能を評価した。
  論文  参考訳（メタデータ） (2020-11-25T08:00:31Z)
• 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)
• Predicting molecular dipole moments by combining atomic partial charges and atomic dipoles [3.0980025155565376]
  高レベル結合クラスター理論を用いて計算した分子$boldsymbolmu$を再現するために、「MuML」モデルが組み合わされた。 校正委員会モデルを用いて予測の不確かさを確実に推定できることを実証する。
  論文  参考訳（メタデータ） (2020-03-27T14:35:37Z)

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。