論文の概要: Latent unified smooth Hamiltonians for excited state chemistry

• arxiv url: http://arxiv.org/abs/2609.01871v1
• Date: Tue, 01 Sep 2026 21:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.98693
• Title: Latent unified smooth Hamiltonians for excited state chemistry
• Title（参考訳）: 励起状態化学のための潜在統一スムーズハミルトニアン
• Authors: David Juergens, Martin Stöhr, Andreas E. Hillers-Bendtsen, O. Jonathan Fajen, Todd J. Martínez,
• Abstract要約: 本稿では、任意の分子系の電子基底および励起状態のモデル化を目的としたニューラルネットワークアーキテクチャとトレーニング手順について述べる。 電子状態ハミルトニアンの潜在的で暗黙的な基底表現を間接的に学習することにより、モデルは複数の電子状態の統一的な処理を提供する。
• 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: We describe a neural network architecture and training procedure designed to model electronic ground and excited states of arbitrary molecular systems. By indirectly learning a latent, implicit basis representation of the electronic-state Hamiltonian, the model offers a unified treatment of multiple electronic states, conical intersections, and non-adiabatic couplings. The formalism can be further extended to learn consistent latent representations of additional operators such as transition dipole moments, for example. To demonstrate the general capabilities of our architecture, we train and evaluate networks on two realistic photochemical systems, thymine and azobenzene. The resulting models accurately reproduce energies and oscillator strengths for the ground- and low-lying excited states relevant to the photochemistry of these systems. We highlight the performance of the trained networks by studying critical molecular geometries, including conical intersections and excited state minima. By construction, the proposed framework also recovers the emergence of Berry phase accumulation around conical intersections. By pairing key mathematical structure from quantum chemistry with the representation learning power of transformers, the presented architecture offers a qualitatively new path toward fast and accurate ground- and excited-state simulations.
• Abstract（参考訳）: 本稿では、任意の分子系の電子基底および励起状態のモデル化を目的としたニューラルネットワークアーキテクチャとトレーニング手順について述べる。 電子状態ハミルトニアンの潜在的で暗黙的な基底表現を間接的に学習することにより、モデルは複数の電子状態、円錐交叉、非断熱結合の統一的な処理を提供する。 形式主義は、例えば遷移双極子モーメントのような追加作用素の一貫した潜在表現を学ぶためにさらに拡張することができる。 アーキテクチャの汎用性を実証するため,我々は,チミンとアゾベンゼンという2つの現実的な光化学系のネットワークを訓練し,評価した。 得られたモデルは、これらの系の光化学に関連する基底および低層励起状態のエネルギーと振動子強度を正確に再現する。 我々は、円錐交叉や励起状態ミニマを含む臨界分子測地の研究により、トレーニングされたネットワークの性能を強調した。 建設により,提案フレームワークは円錐交点周辺のベリー相蓄積の出現を回復する。 量子化学と変圧器の表現学習能力とを組み合わせることで、提示されたアーキテクチャは、高速で正確な基底状態と励起状態のシミュレーションへの質的に新しい経路を提供する。

関連論文リスト

• Controlled Dynamics Attractor Transformer [58.15454173718687]
  トランスフォーマーアーキテクチャは自己認識機構を通じて深層モデルにおける高度な表現学習と推論を行う。 並行して、連想記憶(AM)フレームワークはエネルギーランドスケープに表現をマッピングし、解釈可能な検索メカニズムを提供する。 我々は,ミセス・フィッシャー (Mo-vMF) の注意エネルギーとホップフィールド精製エネルギーを混合した制御型ダイナミクス・アトラクタ変換器 (CCAT) を提案する。 CCATは、グラフ異常検出とグラフ分類において、複数のベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-06-13T09:04:22Z)
• Equivariant Neural Networks for Force-Field Models of Lattice Systems [0.0]
  等変ニューラルネットワーク(ENN)に基づく対称性保存フレームワークを提案する。 本研究の目的は、格子モデルに固有の離散的な点群と内部対称性を、力場のニューラルネットワーク表現に直接組み込むことである。 結果として生じるML対応大規模力学シミュレーションは、対称性を破る位相のメソスケールの進化を忠実に捉えている。
  論文  参考訳（メタデータ） (2026-01-07T17:09:04Z)
• Dissipative quantum algorithms for excited-state quantum chemistry [1.5747034400790758]
  本稿では,電子励起状態を選択的に生成する一般散逸アルゴリズムを提案する。 我々は、励起状態に関する様々な事前情報に合わせた3つの補完戦略を開発する。
  論文  参考訳（メタデータ） (2025-12-22T20:55:09Z)
• Tripartite Entanglement Generation in Atom-Coupled Dual Microresonators System [1.1744028458220428]
  本研究では,ハイブリッドキャビティ量子電気力学アーキテクチャにおける真の三部構造エンタングルメントの出現と制御について検討する。 本稿では, 散逸速度と非対称性が, 両部交絡の真の三部交絡状態への転換をいかに支配するかを示す。 これらの知見は、結合キャビティQEDプラットフォームにおける定常多部量子資源のエンジニアリングへの明確な経路を概説している。
  論文  参考訳（メタデータ） (2025-11-20T13:37:04Z)
• Programmable Exploration of Magnetic States in Lieb-Kagome Interpolated Lattices [44.99833362998488]
  量子アニールは、実験的に実現可能なシステムにインスパイアされた分子量子ビット格子における磁気相互作用をシミュレートするために用いられる。 アナラーは、静的構造因子や広いパラメータ空間上の磁化のような可観測物へのアクセスを提供する。 このフレームワークは、化学、凝縮物質、量子情報科学にまたがる、エンジニアリングされた量子物質の限界を探索するためのモジュラーでスケーラブルなパラダイムを定義する。
  論文  参考訳（メタデータ） (2025-07-24T21:47:54Z)
• Multi-Photon Quantum Rabi Models with Center-of-Mass Motion [45.73541813564926]
  本稿では,多価ロンバダの原子を空洞内で記述するための厳密な第二量子化フレームワークを提案する。 このアプローチの重要な特徴は、ハミルトニアン平均化理論の原子場作用素への体系的応用である。 顕著な発見は、粒子-粒子相互作用の出現である。
  論文  参考訳（メタデータ） (2025-07-07T09:50:48Z)
• The multi-state geometry of shift current and polarization [44.99833362998488]
  量子状態プロジェクタを用いて、ゲージ不変な形式を明示的に開発する。 電子偏光のモーメントと正確な関係を解くシフト電流の簡単な表現を提供する。 非線形光学および電子偏光理論への応用でそのパワーを実証する。
  論文  参考訳（メタデータ） (2024-09-24T18:00:02Z)
• Interpolating many-body wave functions for accelerated molecular dynamics on the near-exact electronic surface [0.0]
  我々は原子配置の空間を通して相関多電子状態のスキームを開発する。 我々は、その後のダイナミクスに対して、ほぼ正確なポテンシャルエネルギー表面への証明可能な収束を示す。 分子動力学の軌跡を体系的に解くため、現代の電子構造アプローチと組み合わせる。
  論文  参考訳（メタデータ） (2024-02-16T22:03:37Z)
• Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
  我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。 本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
  論文  参考訳（メタデータ） (2023-05-16T19:12:41Z)
• Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
  無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。 モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。 その結果,クロスバリデーションにより予測精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T13:32:10Z)
• Combining SchNet and SHARC: The SchNarc machine learning approach for excited-state dynamics [3.058685580689605]
  深層学習が光化学の研究分野の進展にどのように役立つかを示す。 性質は、複数のエネルギー、力、非断熱結合、スピン軌道結合である。 分子動力学プログラムSHARCと組み合わせて、SchNarcと呼ばれるアプローチをモデルシステムと2つの現実的多原子分子で検証した。
  論文  参考訳（メタデータ） (2020-02-17T21:38:35Z)

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。