文献

J-GLOBAL ID：202202260590928540   整理番号：22A1161258

最小トレーニングセットに基づく高精度半経験的量子モデル【JST・京大機械翻訳】

High-Accuracy Semiempirical Quantum Models Based on a Minimal Training Set

著者 (5件)： Pham Cong Huy (Physical and Life Sciences Directorate, Lawrence Livermore National Laboratory, California, United States) ,  Lindsey Rebecca K. (Physical and Life Sciences Directorate, Lawrence Livermore National Laboratory, California, United States) ,  Fried Laurence E. (Physical and Life Sciences Directorate, Lawrence Livermore National Laboratory, California, United States) ,  Goldman Nir (Physical and Life Sciences Directorate, Lawrence Livermore National Laboratory, California, United States) ,  Goldman Nir (Department of Chemical Engineering, University of California, California, United States)
資料名： Journal of Physical Chemistry Letters  (Journal of Physical Chemistry Letters)
巻： 13  号： 13  ページ： 2934-2942  発行年： 2022年 
JST資料番号： W3687A  ISSN： 1948-7185  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 計算コストの分率で高レベル理論と同様の精度を達成できる計算効率の良い量子シミュレーションアプローチに対して大きな必要性が存在する。この点に関して,著者らは,有機材料に対する密度汎関数強束縛(DFTB)モデルを改善するために,Chebyshev多項式に基づく機械学習相互作用ポテンシャルを利用した。本アプローチの利点は2倍である。(1)多体相互作用は系統的かつ迅速に調整可能なプロセスに対して補正でき,(2)広範囲の化合物に対する高レベルの量子精度が,1つの高度な深層学習ポテンシャルに必要なデータの~0.3%で達成できる。本モデルは,有機クラスタ,固体炭素相,および分子結晶相安定性ランキングに対する量子化学的結果と比較して,移動性と伸展性の両方を示す。したがって,著者らの努力は,標準アプローチで計算的に扱いにくいシステムに対して,結合クラスタ精度までの高スループット物理的および化学的予測を可能にする。Copyright 2022 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： 効率 ,  シミュレーション ,  相互作用 ,  分子結晶 ,  炭素 ,  計算 ,  クラスタ ,  *ポテンシャル ,  密度汎関数法 ,  量子化学 ,  機械学習
準シソーラス用語： 相互作用ポテンシャル ,  計算効率 ,  ハイスループット ,  計算コスト ,  量子シミュレーション ,  多体相互作用 ,  深層学習 , 【Automatic Indexing@JST】

分類 (4件)： 分子の電子構造  (BH05010Q) ,  物理化学一般その他  (CB01030T) ,  分子化合物  (CE02000C) ,  無機化合物一般及び元素  (CD01010D)

タイトルに関連する用語 (4件)： トレーニング ,  経験 ,  量子 ,  モデル