ニューラルネットワーク仮説による実固体のab initio計算【JST・京大機械翻訳】

Li Xiang; Li Zhe; Chen Ji

プレプリント

J-GLOBAL ID：202202215948597129 整理番号：22P0312122

ニューラルネットワーク仮説による実固体のab initio計算【JST・京大機械翻訳】

Ab initio calculation of real solids via neural network ansatz

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年05月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ニューラルネットワークは,近年,小分子と物理モデルの多体電子相関に取り組むために応用されてきた。ここでは,実際の固体のab initio計算を可能にするために,周期的境界条件を含む分子ニューラルネットワークを拡張する新しいアーキテクチャを提案した。著者らのアプローチの精度は,4種類のシステム,すなわち,一次元周期的水素鎖,二次元グラフェン,三次元リチウム水素化物結晶,および均一電子ガスで実証され,ここで得られた結果,例えば,全エネルギー,解離曲線,および凝集エネルギーが,多くの従来のab initio法より優れ,最も正確なアプローチのレベルに達する。さらに,典型的な系の電子密度も計算し,種々の固体の物理的直感を提供した。周期的システムへの分子ニューラルネットワークの拡張の方法は,他のニューラルネットワーク構造に容易に統合でき,ニューラルネットワーク仮説を用いたより複雑な固体系のab initio解の有望な未来を強調し,材料シミュレーションおよび凝縮物質物理学における機械学習の応用をより一般的に支持する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

ニューロコンピュータ , 脳・神経系モデル

, , ,

前のページに戻る