ELECTRA: A Cartesian Network for 3D Charge Density Prediction with Floating Orbitals

要約

電子テンソル再構成アルゴリズム（Electra） – 浮動軌道を使用して電子電荷密度を予測するための等量モデルを提示します。
フローティング軌道は、すべての軌道を原子の位置に中心にするのではなく、軌道を空間に自由に配置することにより、よりコンパクトで正確な表現を約束する量子化学コミュニティの長年の概念です。
ただし、これらの軌道の理想的な配置を見つけるには、広範なドメインの知識が必要であり、これまでのところ広範な採用が妨げられています。
軌道係数とともに軌道位置を予測するために、デカルトテンソルネットワークをトレーニングすることにより、データ駆動型の方法でこれを解決します。
これは、電荷密度自体の回転等量を維持しながら、入力分子よりも低い対称性の位置変位を学習するために使用される対称的な破壊メカニズムによって可能になります。
宇宙の密度を表すガウスの飛び散の最近の成功に触発され、ガウス軌道を使用し、その重量と共分散行列を予測しています。
私たちの方法は、確立されたベンチマークでの計算効率と予測精度の間の最先端のバランスを達成します。

要約(オリジナル)

We present the Electronic Tensor Reconstruction Algorithm (ELECTRA) – an equivariant model for predicting electronic charge densities using floating orbitals. Floating orbitals are a long-standing concept in the quantum chemistry community that promises more compact and accurate representations by placing orbitals freely in space, as opposed to centering all orbitals at the position of atoms. Finding the ideal placement of these orbitals requires extensive domain knowledge, though, which thus far has prevented widespread adoption. We solve this in a data-driven manner by training a Cartesian tensor network to predict the orbital positions along with orbital coefficients. This is made possible through a symmetry-breaking mechanism that is used to learn position displacements with lower symmetry than the input molecule while preserving the rotation equivariance of the charge density itself. Inspired by recent successes of Gaussian Splatting in representing densities in space, we are using Gaussian orbitals and predicting their weights and covariance matrices. Our method achieves a state-of-the-art balance between computational efficiency and predictive accuracy on established benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google