論文の概要: NucleoNet: A Nuclear-Aware Determinant Ansatz for Multi-Geometry Neural Variational Monte Carlo
- arxiv url: http://arxiv.org/abs/2610.12985v1
- Date: Fri, 09 Oct 2026 04:36:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.390241
- Title: NucleoNet: A Nuclear-Aware Determinant Ansatz for Multi-Geometry Neural Variational Monte Carlo
- Title（参考訳）: NucleoNet: マルチジオメトリニューラル変分モンテカルロのための核認識型決定アンザツ
- Abstract要約: 我々は、電子と核が統一された粒子集合を形成する核を意識した決定的アンザッツであるNucleoNetを紹介する。
核は電子的表現や条件軌道構築と共に進化する学習された表現を持ち、反対称性は電子的決定因子によってのみ課される。
各分子系について、ジオメトリーに最適化された単一のモデルでは、N$$曲線、LiCNにおけるLiの変位、エタンの解離、および結合の解離のためのホルムアミドの最小エネルギー経路を記述する。
- 参考スコア（独自算出の注目度）: 6.234022268911812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural-network variational Monte Carlo provides an accurate route to solving the electronic Schrödinger equation, but many neural wavefunctions are optimized for a single nuclear geometry, requiring separate calculations to map out a potential energy surface. We introduce NucleoNet, a nuclear-aware determinant ansatz in which electrons and nuclei form a unified particle set propagated through a shared electron--nucleus backbone that jointly evolves one-particle and two-particle representations. Nuclei carry learned representations that evolve alongside the electronic representations and condition orbital construction, while antisymmetry is imposed only by electronic determinants. On equilibrium small-molecule benchmarks, NucleoNet achieves accuracy comparable to established neural-wavefunction baselines with substantially fewer parameters. For each molecular system, a single model optimized jointly across geometries describes the N$_2$ dissociation curve, Li displacement in LiCN, and the ethane and formamide minimum-energy paths for bond dissociation. Sparse-geometry training generalizes to unseen geometries for N$_2$ and LiCN without further optimization, and N$_2$ ablations show that nuclear streams substantially improve this interpolation. These results show that a compact wavefunction with jointly evolved nuclear representations can describe the geometries of a molecular system with a single set of parameters.
- Abstract（参考訳）: ニューラルネットワークの変動型モンテカルロは電子シュレーディンガー方程式を解くための正確な経路を提供するが、多くのニューラル波動関数は単一の核形状に最適化され、ポテンシャルエネルギー表面をマッピングするために別の計算を必要とする。
電子と核が共有電子-核バックボーンを介して伝播し、一粒子と二粒子の共進化する統一粒子集合を形成する核認識型決定型アンサッツであるNucleoNetを紹介する。
Nucleiは電子的表現や条件軌道構築とともに進化する学習された表現を持ち、反対称性は電子的決定因子によってのみ課される。
平衡小分子ベンチマークでは、NucleoNetは、パラメータがかなり少ない確立された神経波関数ベースラインに匹敵する精度を達成している。
各分子系について、ジオメトリー間で共同最適化された単一のモデルでは、N$2$解離曲線、LiCNにおけるLiの変位、および結合解離のためのエタンおよびホルムアミドの最小エネルギー経路を記述する。
スパース幾何学のトレーニングは、さらなる最適化なしにN$_2$とLiCNの未知の測地を一般化し、N$_2$の短縮は核ストリームがこの補間を著しく改善することを示している。
これらの結果は、結合的に進化した核表現を持つコンパクト波動関数が、単一のパラメータの集合を持つ分子系の幾何学を記述することができることを示している。
関連論文リスト
- Smart Machine Learning for Solving the Full Electron-Nuclear Schrödinger Equation with a Quantum-Chemically Inspired Wavefunction Ansatz [4.391030661455692]
本稿では、多体電子-電子相関項を明示した量子化学的に動機付けられた軌道型ニューラルネットワーク波動関数アンサッツを提案する。
また,モンテカルロ変分法と局所エネルギー制約を組み合わせた効率的なハイブリッド最適化手法を開発した。
これらの進歩は統合ニューラルネットワークフレームワークであるSchrdingerに埋め込まれ、世界規模で正確なポテンシャルエネルギー表面の決定を可能にする。
論文 参考訳（メタデータ） (2026-09-30T16:40:41Z) - 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) - Restricted-Geometry Quantum Models Beyond Atoms: Application to NSDI in Diatomic Systems [0.0]
強い線形偏光レーザー場に曝露されたホモ核二原子分子における非逐次二重イオン化(N)を記述するために設計された(1+1)次元量子モデルを提案する。
本手法は, 二重イオン化収率の特徴的な膝構造を含む, N の重要な特徴を捉える。
論文 参考訳（メタデータ） (2025-11-07T12:40:07Z) - Zero-field identification and control of hydrogen-related electron-nuclear spin registers in diamond [73.17247851945764]
我々は, 近傍のNV中心における測定により, スピン欠陥の超微粒子成分と核スピン種を同定する手法を提案する。
結果は、$textitab initio$計算を使って欠陥構造を解決するためのガイドを提供する。
我々の特徴と制御ツールは、ハイブリッド電子核レジスタの欠陥ランドスケープを拡大するための枠組みを確立する。
論文 参考訳（メタデータ） (2025-10-22T13:50:54Z) - Atomistic tight-binding Hartree-Fock calculations of multielectron configurations in P-doped silicon devices: wavefunction reshaping [0.0]
シリコン中のドナーベースの量子デバイスは、普遍量子コンピューティングとアナログ量子シミュレーションのための魅力的なプラットフォームである。
シリコン中の1つのリン原子と選択されたリン二量体における多電子状態の原子計算と詳細な解析を行った。
論文 参考訳（メタデータ） (2025-03-04T18:14:36Z) - Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations [58.130170155147205]
神経波関数は、計算コストが高いにもかかわらず、多電子系の基底状態の近似において前例のない精度を達成した。
近年の研究では、個々の問題を個別に解くのではなく、様々な構造や化合物にまたがる一般化波動関数を学習することでコストを下げることが提案されている。
この研究は、分子間の一般化に適した過度にパラメータ化され、完全に学習可能なニューラルウェーブ関数を定義することで、この問題に取り組む。
論文 参考訳（メタデータ） (2024-05-23T16:30:51Z) - Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳（メタデータ） (2024-02-22T16:33:48Z) - Relativistic quantum theory and algorithms: a toolbox for modeling
many-fermion systems in different scenarios [0.0]
重元素を含む原子、分子、クラスターの電子構造を計算するための理論的手法と関連する計算手法について論じる。
分子標的に衝突する電子の弾性差分散乱断面積評価への相対論的量子力学的枠組みの適用について述べる。
論文 参考訳（メタデータ） (2021-10-02T10:20:50Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z)
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。