論文の概要: Efficient, precise DFT calculations of NMR shieldings: Revisiting the finite field approach

• arxiv url: http://arxiv.org/abs/2608.24655v1
• Date: Tue, 25 Aug 2026 15:01:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.05266
• Title: Efficient, precise DFT calculations of NMR shieldings: Revisiting the finite field approach
• Title（参考訳）: NMR遮蔽の効率的な高精度DFT計算:有限場アプローチの再検討
• Abstract要約: RI加速有限磁場計算はDFTレベルのNMR遮蔽定数を極めて正確に得ることを示す。 その結果、RI加速有限磁場計算はDFTレベルのNMR遮蔽定数を極めて正確に得ることを示した。
• 参考スコア（独自算出の注目度）: 3.0404059399127656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Absolute nuclear magnetic shielding constants and relative chemical shifts are second-derivative response properties that underpin the interpretation of Nuclear Magnetic Resonance (NMR) spectra and provide critical insights into the structural and electronic environments of diverse chemical systems. However, their accurate computation is often constrained by the need for method-specific, analytical response implementation, and therefore is particularly challenging for non-variational, correlated wavefunction methods where analytical second derivatives are frequently unavailable. Here we present a scalable framework that computes NMR shielding tensors through finite magnetic field differentiation of complex-valued, gauge-including atomic-orbital (GIAO) based self-consistent field (SCF) calculations. By combining hybrid MPI and OpenMP parallelization and resolution-of-identity (RI) approximation-based Coulomb (J) and Exchange (K) implementation and mixed numerical/analytical derivatives computational scheme, we achieve very good efficiency for hybrid density functional theory (DFT) NMR shielding, relative to existing state-of-the-art analytic implementations across realistic chemical systems of various sizes. Forward differentiation with optimal step sizes derived from rigorous error analysis retains favorable numerical errors much smaller than experimental uncertainty or intrinsic DFT errors. The results demonstrate that RI-accelerated finite magnetic field calculations can obtain DFT-level NMR shielding constants very precisely, providing a scalable foundation for extensions to more advanced quantum chemistry methods in future work.
• Abstract（参考訳）: 絶対的核磁気遮蔽定数と相対的な化学シフトは、核磁気共鳴(NMR)スペクトルの解釈の基盤となる二次微分応答特性であり、多様な化学系の構造的および電子的環境に対する重要な洞察を与える。 しかし、それらの正確な計算は、しばしばメソッド固有の解析応答実装の必要性によって制約されるため、解析的二次微分が頻繁に利用できない非変分相関波動関数法では特に困難である。 本稿では、複雑な値を持つゲージを含む原子軌道(GIAO)に基づく自己整合体(SCF)計算の有限磁場微分によるNMR遮蔽テンソルの計算を行うスケーラブルなフレームワークを提案する。 ハイブリッド MPI と OpenMP 並列化と RI 近似に基づくクーロン (J) と交換 (K) の実装と混合数値/分析微分の計算スキームを組み合わせることで, 様々な大きさの現実的な化学系にまたがる既存の解析実装と比較して, ハイブリッド密度汎関数理論 (DFT) NMR遮蔽の極めて優れた効率を実現する。 厳密な誤差解析から得られる最適ステップサイズによる前方微分は、実験上の不確実性や本質的なDFT誤差よりもはるかに小さい数値誤差を保っている。 その結果、RI加速有限磁場計算は、DFTレベルのNMR遮蔽定数を非常に正確に得ることが示され、将来の研究におけるより高度な量子化学手法の拡張のためのスケーラブルな基盤となる。

関連論文リスト

• Development of a Physics-Informed Neural Framework, MEOWN, for Rapid Prediction of Muon Stopping Sites in Crystalline Materials, for understanding Quantum Magnet employing Muon Spectroscopy [0.0]
  ミューオンスピン回転/緩和は、新興量子材料における磁気秩序、スピンダイナミクス、超伝導、複雑な磁性相を理解するための最も強力な顕微鏡プローブの1つである。 そこで我々は,P-UEPモデルと機械学習誘導最適化と対称性駆動緩和を組み合わせた,機械学習に基づく物理インフォーム型計算フレームワークMEOWNを開発し,結晶固体中のエネルギ的に好ましいミューオン停止部位を予測する。 MEOWNは、静電気相互作用、電子スクリーニング、偏光効果、ゼロ点運動を学習ワークフローに明示的に組み込み、計算コストを大幅に削減した物理的解釈可能な予測を提供する
  論文  参考訳（メタデータ） (2026-09-15T12:08:11Z)
• Capturing electron correlation at mean-field cost: Assessment of i-DMFT and the underlying correlation conjecture [1.9703625025720701]
  最近提案されたi-DMFT法は, 平均フィールドコストで構成-相互作用の精度に近いことを保証している。 我々は、この関係を様々な二原子分子と多原子分子で体系的に評価する。 予想される線形性は、軌道対内の電子の再分配に支配される結合破壊過程において成り立つが、不均一で励起状態では崩壊する。
  論文  参考訳（メタデータ） (2026-04-13T16:40:48Z)
• Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
  不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。 既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。 我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T02:00:25Z)
• Path-integral molecular dynamics with actively-trained and universal machine learning force fields [0.0]
  核量子効果(NQEs)の会計は、有限温度での材料特性を著しく変化させることができる。 マシンが学習する原子間ポテンシャルは、この課題に対する解決策を提供する。 インタフェースは、MLIP-2ソフトウェアパッケージからのモーメントテンソルポテンシャル(MTP)をPIMD計算に統合するために開発された。 その結果、実験データ、準調和近似計算、および汎用機械学習力場MatterSimからの予測と比較した。
  論文  参考訳（メタデータ） (2025-05-20T11:55:22Z)
• Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems [52.19558333652367]
  有限範囲埋め込み(FiRE)を高精度なアブ・イニシアチブ電子構造計算に応用する。 FiREは、ニューラルネットワークの変異モンテカルロ(NN-VMC)の複雑さを$sim ntextel$, the number of electronsによって低減する。 バイオケミカル化合物や有機金属化合物など,様々な課題に対して,本手法の精度を検証した。
  論文  参考訳（メタデータ） (2025-04-08T14:28:54Z)
• Graph-neural-network predictions of solid-state NMR parameters from spherical tensor decomposition [0.0]
  核磁気共鳴(NMR)は、物質の局所的な原子構造に敏感な強力な分光法である。 機械学習(ML)は、このような予測を行うための効率的なルートとして登場した。
  論文  参考訳（メタデータ） (2024-12-19T17:11:07Z)
• Overcoming the Barrier of Orbital-Free Density Functional Theory for Molecular Systems Using Deep Learning [46.08497356503155]
  軌道自由密度汎関数理論(英: Orbital-free density functional theory、OFDFT)は、Kohn-Sham DFTよりも低コストでスケールできる量子化学の定式化である。 本稿では、深層学習関数モデルを用いて分子システムを解くことができるOFFTアプローチであるM-OFDFTを提案する。
  論文  参考訳（メタデータ） (2023-09-28T16:33:36Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• Calculating non-linear response functions for multi-dimensional electronic spectroscopy using dyadic non-Markovian quantum state diffusion [68.8204255655161]
  本稿では,分子集合体の多次元電子スペクトルと電子励起を結合した構造環境下でのシミュレーション手法を提案する。 このアプローチの重要な側面は、NMQSD方程式を2重系ヒルベルト空間で伝播するが、同じ雑音を持つことである。
  論文  参考訳（メタデータ） (2022-07-06T15:30:38Z)
• Density Functional Theory Transformed into a One-electron Reduced Density Matrix Functional Theory for the Capture of Static Correlation [0.0]
  密度汎関数理論(DFT)は強い相関系の電子構造を正確に記述することができない。 DFT は 1-電子還元密度行列 (1-RDM) 関数理論に変換可能であることを示す。 本手法は化学構造とプロセスにおける静的相関の記述において従来のDFTよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-01-11T01:41:53Z)
• Effective two-level approximation of a multi-level system driven by coherent and incoherent fields [0.0]
  本稿では,任意の飽和状態におけるコヒーレントおよび全散乱特性を最適に再現する有効2レベルシステム(TLS)によるマルチレベルシステム(MLS)について述べる。 モデルの信頼区間は87Rb原子のD2線に対して定量化されるが、多レベル量子系の任意の閉じた遷移に一般化することができる。
  論文  参考訳（メタデータ） (2021-10-17T19:03:24Z)
• Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
  本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。 本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
  論文  参考訳（メタデータ） (2021-06-22T18:00:00Z)
• OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
  textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。 薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
  論文  参考訳（メタデータ） (2020-07-15T22:38:41Z)

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。