等価機械学習モデルによるテンソル分子特性の予測【JST・京大機械翻訳】

Nguyen Vu Ha Anh; Lunghi Alessandro

プレプリント

J-GLOBAL ID：202202216309754929 整理番号：22P0284061

等価機械学習モデルによるテンソル分子特性の予測【JST・京大機械翻訳】

Predicting tensorial molecular properties with equivariant machine-learning models

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 (2件)： ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月03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。

機械学習モデルへの分子対称性の埋込みは,化学物理スカラー特性の効率的学習にとって重要であるが,テンソル量に対する同じ戦略を拡張する方法に関する証拠はほとんど存在しない。ここでは,局所原子環境記述子に基づくスケーラブルな等変機械学習モデルを定式化した。それを一連の分子に適用し,異なるランクの誘電および磁気テンソル特性の包括的なリストに対して正確な予測を達成できることを示した。これらの結果は,等変モデルが材料モデリングにおける機械学習の範囲を拡張するための有望なプラットフォームであることを示した。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る