文献

J-GLOBAL ID：202002269472140574   整理番号：20A2017184

Torchani:ANIニューラルネットワークポテンシャルの自由およびオープンソースPyTorchベース深層学習実装【JST・京大機械翻訳】

TorchANI: A Free and Open Source PyTorch-Based Deep Learning Implementation of the ANI Neural Network Potentials

著者 (5件)： Gao Xiang (Department of Chemistry, University of Florida, Florida, United States) ,  Ramezanghorbani Farhad (Department of Chemistry, University of Florida, Florida, United States) ,  Isayev Olexandr (Department of Chemistry, Carnegie Mellon University, Pennsylvania, United States) ,  Smith Justin S. (Center for Nonlinear Studies and Theoretical Division, Los Alamos National Laboratory, New Mexico, United States) ,  Roitberg Adrian E. (Department of Chemistry, University of Florida, Florida, United States)
資料名： Journal of Chemical Information and Modeling  (Journal of Chemical Information and Modeling)
巻： 60  号： 7  ページ： 3408-3415  発行年： 2020年 
JST資料番号： A0294A  ISSN： 1549-9596  CODEN： JCISD8  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,ANI(ANAKIN-ME)深層学習モデルの訓練/推論のためのPyTorchベースのプログラムであるTorchANIを提示して,分子系のポテンシャルエネルギー面と他の物理的性質を得た。ANIはNeuroChemと呼ばれるプログラムにおいてC++/CUDAを用いて最初に実装された正確なニューラルネットワークポテンシャルであり,TorchANIは軽量,ユーザフレンドリー,クロスプラットフォーム,および高速プロトタイピングのための読取と修正が容易であり,実行性能の許容可能な犠牲を可能にする。原子環境ベクトルと原子ニューラルネットワークの計算は,PyTorch演算子を用いて全て実行されるので,TorchANIは,解析力とHessian行列を自動的に計算するためにPyTorchのオートグラードエンジンを使用することができ,また,追加のコードを必要とせずに力訓練を行うことができる。トーチANIはオープンソースであり,GitHub:https://github.com/aiqm/torchaniに自由に利用可能である。Copyright 2020 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  *ニューラルネットワーク ,  トーチ ,  分子系 ,  ポテンシャルエネルギー面 ,  C++言語
準シソーラス用語： Hessian行列 ,  ユーザフレンドリ性 ,  ラピッドプロトタイピング ,  *オープンソース ,  CUDA ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： ANI ,  ニューラルネットワーク ,  ポテンシャル ,  オープンソース ,  深層学習 ,  実装