文献

J-GLOBAL ID：201802213958439084   整理番号：18A1767426

人工神経回路網を用いた回転スペクトルの自動割当【JST・京大機械翻訳】

Automated assignment of rotational spectra using artificial neural networks

著者 (2件)： Zaleski Daniel P. (Chemical Sciences and Engineering Division, Argonne National Laboratory, Argonne, Illinois 60439, USA) ,  Prozument Kirill (Chemical Sciences and Engineering Division, Argonne National Laboratory, Argonne, Illinois 60439, USA)
資料名： Journal of Chemical Physics  (Journal of Chemical Physics)
巻： 149  号： 10  ページ： 104106-104106-12  発行年： 2018年 
JST資料番号： C0275A  ISSN： 0021-9606  CODEN： JCPSA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 典型的な広帯域回転スペクトルは数千の観測可能な遷移を含み,多くの種にわたっている。これらのスペクトルはしばしば化学情報をコードするが,個々のスペクトルを同定し割り当てることは困難である。従来のアプローチはパターンを視覚的に同定することを含んでいる。より現代的なアプローチは,自動化適合ルーチンを適用することである。このアプローチにおいて,3つの遷移の組合せを試行錯誤によって探索し,Watson型ハミルトニアンにおけるA,B,およびC回転定数に適合させた。本研究では,回転スペクトルに固有のパターンを認識するためにコンピュータを訓練するために機械学習を利用する代替手法を開発した。広帯域高分解能回転スペクトルは,機械学習を用いたパターン認識,割当および種同定に対して,おそらくユニークに適している。遷移周波数と強度の繰り返しパターンは,分解能要素の数とダイナミックレンジが10~4を超える広帯域チャープパルスFourier変換マイクロ波実験において,現在日常的に記録されている。同時に,これらの高分解能スペクトルは,独特の回転スペクトルを有する各極性種を有する分子幾何学に非常に敏感である。ここでは,回転定数と他のハミルトニアンパラメータのランダムに生成された集合から,量子力学のルールを用いて計算した数千の回転スペクトルに関するフィードフォワード神経回路網を訓練した。合理的な物理的制約をこれらのパラメータ集合に適用するが,それらは既存の種に属する必要がない。スペクトルにより示された訓練されたニューラルネットワークは,そのタイプ(例えば,線形分子,対称トップ,または非対称トップ)を同定し,対応するハミルトニアンパラメータ(回転定数,歪,および超微細定数)を推論する。分類と予測時間は,それぞれ約160μsと50μsであり,スペクトルの複雑さや分子パラメータの数に無関係であると思われる。ネットワークがどのように動作するかを記述し,ベンチマーキング結果を提供し,将来の方向を議論した。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Fourier変換 ,  ハミルトニアン ,  *回転スペクトル ,  対称性 ,  自動化 ,  *ニューラルネットワーク ,  回転定数 ,  非対称性 ,  *スペクトル ,  周波数 ,  広帯域 ,  高分解能 ,  *神経回路網 ,  コンピュータ ,  機械学習

分類 (2件)： 分子の性質一般  (BH05031D) ,  一般及び無機化合物のラジオ波・マイクロ波スペクトル(分子)  (BH06021Z)

タイトルに関連する用語 (3件)： 人工神経回路網 ,  回転スペクトル ,  割当