「physics.chem-ph」カテゴリーアーカイブ

A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction

投稿日: 2024年5月13日 作成者: jarxiv

要約 我々は、深層学習を物理システムに適用する際の重要な課題、つまり、 電子構造 … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction はコメントを受け付けていません

Data-Error Scaling in Machine Learning on Natural Discrete Combinatorial Mutation-prone Sets: Case Studies on Peptides and Small Molecules

投稿日: 2024年5月9日 作成者: jarxiv

要約 私たちは、タンパク質や有機小分子など、突然変異を起こしやすい離散組み合わせ … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | Data-Error Scaling in Machine Learning on Natural Discrete Combinatorial Mutation-prone Sets: Case Studies on Peptides and Small Molecules はコメントを受け付けていません

Material Property Prediction using Graphs based on Generically Complete Isometry Invariants

投稿日: 2024年5月8日 作成者: jarxiv

要約 構造特性仮説では、すべての材料の特性は基礎となる結晶構造によって決定される … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph | Material Property Prediction using Graphs based on Generically Complete Isometry Invariants はコメントを受け付けていません

FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials

投稿日: 2024年5月7日 作成者: jarxiv

要約 ニューラルネットワーク原子間ポテンシャル(NNP)は、複雑な分子系を正確に … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials はコメントを受け付けていません

FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials

投稿日: 2024年5月3日 作成者: jarxiv

要約 ニューラル ネットワークの原子間ポテンシャル (NNP) は、非経験的分子 … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials はコメントを受け付けていません

Interpolation and differentiation of alchemical degrees of freedom in machine learning interatomic potentials

投稿日: 2024年4月30日 作成者: jarxiv

要約 機械学習原子間ポテンシャル (MLIP) は現代の原子シミュレーションの主 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph | Interpolation and differentiation of alchemical degrees of freedom in machine learning interatomic potentials はコメントを受け付けていません

TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations

投稿日: 2024年4月26日 作成者: jarxiv

要約 分子シミュレーションにおける計算速度、予測精度、普遍的な適用性の間のバラン … 続きを読む →

カテゴリー: cs.LG, physics.bio-ph, physics.chem-ph, physics.comp-ph | TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations はコメントを受け付けていません

MultiModal-Learning for Predicting Molecular Properties: A Framework Based on Image and Graph Structures

投稿日: 2024年4月22日 作成者: jarxiv

要約 薬物分子の特性を正確に予測する探求は、人工知能創薬 (AIDD) の分野に … 続きを読む →

カテゴリー: cs.AI, cs.LG, physics.chem-ph, q-bio.BM | MultiModal-Learning for Predicting Molecular Properties: A Framework Based on Image and Graph Structures はコメントを受け付けていません

Information theory unifies atomistic machine learning, uncertainty quantification, and materials thermodynamics

投稿日: 2024年4月19日 作成者: jarxiv

要約 情報の正確な記述は、サンプリング方法、まれなイベントの検出、データセットの … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph | Information theory unifies atomistic machine learning, uncertainty quantification, and materials thermodynamics はコメントを受け付けていません

Interpolation and differentiation of alchemical degrees of freedom in machine learning interatomic potentials

投稿日: 2024年4月17日 作成者: jarxiv

要約 機械学習原子間ポテンシャル (MLIP) は現代の原子シミュレーションの主 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph | Interpolation and differentiation of alchemical degrees of freedom in machine learning interatomic potentials はコメントを受け付けていません