文献
J-GLOBAL ID:202202264147685432   整理番号:22A0549643

反応性原子-二原子衝突系に対する初期反応状態からの機械学習生成物状態分布【JST・京大機械翻訳】

Machine learning product state distributions from initial reactant states for a reactive atom-diatom collision system
著者 (6件):
資料名:
巻: 156  号:ページ: 034301-034301-12  発行年: 2022年 
JST資料番号: C0275A  ISSN: 0021-9606  CODEN: JCPSA6  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
反応性原子-原子衝突に対する特定の初期状態(状態対分布またはSTD)からの生成物状態分布を予測するための機械学習モデルを提示し,N(4S)+O_2(X3Σ_g-)→NO(X2Π)+O(3P)反応に対して定量的に試験した。ニューラルネットワークを訓練するための参照データセットは,約2000初期条件の準古典的軌道(QCT)シミュレーションから決定した最終状態分布から成る。全体として,参照QCTとSTDモデルの予測の間の二乗平均平方根差(~0.003)とR2(~0.99)によって定量化された予測精度は,試験セット,オフグリッド状態特異的初期条件,および並進,回転,および振動温度によって特徴付けられる反応物状態分布から引き出される初期条件に対して高かった。同じ初期状態分布で評価されたより粗い粒子分布(DTD)モデルと比較して,STDモデルは,反応物調製における状態分解能の付加的利点に匹敵する性能を示した。また,特定の初期状態から始まり,より多様な最終状態分布を導き,それはDTDと比較してより表現的なニューラルネットワークを必要とする。QCTシミュレーション,STDモデル,および広く用いられているLarsen-Borgnakke(LB)モデル間の直接比較は,STDモデルが定量的であるが,LBモデルは回転分布P(j′)に対して最良で,振動分布P(v′)に失敗することを示した。このように,STDモデルは,例えば直接シミュレーションモンテカルロ法を用いて,非平衡高速流をシミュレートするのに適している。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
分子と光子の相互作用  ,  分子間相互作用  ,  原子とラジカルの反応 

前のページに戻る