論文の概要: Scaling Density Functional Theory with Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.31483v1
• Date: Fri, 25 Sep 2026 16:26:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.4893
• Title: Scaling Density Functional Theory with Gaussian Splatting
• Title（参考訳）: ガウススプラッティングによる密度汎関数理論のスケーリング
• Abstract要約: 密度汎関数論のためのガウス散乱は分子軌道をガウスの雲として表す。 本稿では,2電子積分の効率的な評価のためのアダプティブ密度フィッティングと分子軌道の正規化微分可微分化という2つの重要な解法成分を紹介する。 その結果,2,742個の原子,406個の電子の系を3重ゼータスケールで修正することなくシミュレーションすることが可能となった。
• 参考スコア（独自算出の注目度）: 6.383153523957436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Density functional theory (DFT) strikes a practical balance between accuracy and computational cost in many problems of computational chemistry and materials science. However, many DFT calculations are limited by fixed atom-centered basis sets, which dictate how accuracy and cost scale with system size. We propose Gaussian Splatting for Density Functional Theory (GS-DFT), which represents molecular orbitals as a cloud of Gaussians whose positions, shapes, and mixing coefficients are optimized jointly by gradient descent to minimize the energy without training data. Conceptually, GS-DFT is 3D Gaussian splatting with the renderer replaced by quantum mechanics. We introduce two key solver components: adaptive density fitting with screening for efficient evaluation of two-electron integrals, and a regularized differentiable orthogonalization of the molecular orbitals. Empirically, the optimized basis reaches the accuracy of the largest conventional basis sets with a fraction of the parameters, converging systematically in energy, density, and nuclear forces. At equal parameter count, it captures the stretched-bond and anion physics that fixed bases only recover with specialized basis augmentation. The resulting solver exhibits quadratic peak memory scaling in the cloud size, allowing us to simulate systems of up to 2,742 atoms (10,406 electrons) without any modifications at triple-zeta scale using a single four-GPU node.
• Abstract（参考訳）: 密度汎関数理論(DFT)は、計算化学と材料科学の多くの問題において、精度と計算コストの実際のバランスを崩す。 しかし、多くのDFT計算は固定原子中心基底セットによって制限されており、システムサイズによる精度とコストのスケールを規定している。 本研究では, 密度汎関数論 (GS-DFT) のためのガウス散乱法を提案し, 分子軌道を位置, 形状, 混合係数が勾配降下により協調的に最適化されるガウスの雲として表現する。 概念的には、GS-DFTは3次元ガウススプラッティングであり、レンダラーは量子力学に置き換えられている。 本稿では,2電子積分の効率的な評価のためのアダプティブ密度フィッティングと分子軌道の正規化可能な直交化という2つの重要な解法成分を紹介する。 経験的に、最適化された基底は、エネルギー、密度、核力で体系的に収束するパラメータのごく一部で、最も大きな従来の基底セットの精度に達する。 等パラメータ数では、固定基底が特別な基底拡大でのみ回復する拡張結合およびアニオン物理をキャプチャする。 その結果,最大2,742個の原子(10,406電子)の系を,単一の4GPUノードを用いてトリプルゼータスケールで修正することなくシミュレーションすることが可能となった。

関連論文リスト

• 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)
• Towards A Universally Transferable Acceleration Method for Density Functional Theory [10.006297397920354]
  本稿では,電子密度をコンパクトな補助基底表現で予測することにより,DFTの初期推定を構成する手法を提案する。 我々のモデルは、60原子までの系における平均33.3%の自己一貫性のフィールドステップ還元を達成することができ、ハミルトン中心のモデルとDM中心のモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-09-30T03:35:57Z)
• 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)
• Orbital-Free Density Functional Theory with Continuous Normalizing Flows [54.710176363763296]
  軌道自由密度汎関数理論(OF-DFT)は、分子電子エネルギーを計算する別のアプローチを提供する。 我々のモデルは様々な化学系の電子密度を再現することに成功した。
  論文  参考訳（メタデータ） (2023-11-22T16:42:59Z)
• Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
  本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
  論文  参考訳（メタデータ） (2023-02-02T03:49:57Z)
• Graph neural networks for fast electron density estimation of molecules, liquids, and solids [0.0]
  a machine learning framework for the prediction of $rho(vecr)$。 このモデルは、複数の分子(QM9)、液体エチレン炭酸塩電解質(EC)、LixNiyMnzCo(1-y-z)O2リチウムイオン電池陰極(NMC)で試験される。
  論文  参考訳（メタデータ） (2021-12-01T16:57:31Z)
• 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)
• Learning on-top: regressing the on-top pair density for real-space visualization of electron correlation [0.0]
  オントップ対密度は電子相関効果の強力な指標である。 GDB11AD-3165データベース上でCFオントップ密度分子のみを予測できる機械学習モデルを訓練する。 実空間における電子相関効果とボンドブレーキング適合の視覚的指標として,オントップ比を用いて回帰の精度を実証した。
  論文  参考訳（メタデータ） (2020-10-14T14:11:05Z)

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。