2つの誤えは正しい:化学精度による化学発見のための移動学習アプローチ【JST・京大機械翻訳】

Duan Chenru; Chu Daniel B. K.; Nandy Aditya; Kulik Heather J.

プレプリント

J-GLOBAL ID：202202220964548220 整理番号：22P0026480

2つの誤えは正しい:化学精度による化学発見のための移動学習アプローチ【JST・京大機械翻訳】

Two Wrongs Can Make a Right: A Transfer Learning Approach for Chemical Discovery with Chemical Accuracy

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 (4件)： , , ,
資料名：
発行年： 2022年01月11日プレプリントサーバーでの情報更新日： 2022年01月11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)

重要な多参照(MR)特性を有する分子および材料を適切に同定および処理することは,仮想ハイスループットスクリーニング(VHTS)における高いデータ忠実度を達成するために重要である。それにもかかわらず,ほとんどのVHTSは,単一汎関数を用いた近似密度汎関数理論(DFT)によって行われる。多数のMR診断の開発にもかかわらず,そのような診断の単一の値が,化学特性予測にMR効果を示す程度は,十分に確立されていない。10000以上の遷移金属錯体(TMCs)のMR診断を評価し,有機分子と比較した。著者らは,いくつかのMR診断だけがこれらの材料空間にわたって移動可能であることを明らかにした。多重ポテンシャルエネルギー表面(すなわち,断熱スピン分裂,ΔE_H-L,イオン化ポテンシャル,IP)を含む化学特性(すなわち,MR効果)に及ぼすMR特性の影響を研究することにより,MR効果における除去が蓄積を凌駕することを観測した。MR特性の違いは,特性予測におけるMR効果の予測におけるMR特性の全度より重要である。この観測によって動機づけられて,著者らは,より低いレベルの理論からCCSD(T)レベル断熱ΔE_H-LとIPを直接予測するために,移動学習モデルを構築した。これらのモデルを不確実性定量化とマルチレベルモデリングと組み合わせることにより,ロバストVHTSに対する化学精度(すなわち1kcal/mol)を達成しながら,少なくとも3分の1のデータ収集を加速するマルチプロービング戦略を導入した。【JST・京大機械翻訳】

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

分子の電子構造

, ,

前のページに戻る