physics.comp-ph」カテゴリーアーカイブ

Enhanced Sampling with Machine Learning: A Review

要約 分子動力学 (MD) を使用すると、優れた時空間分解能で物理システムを研究 … 続きを読む

カテゴリー: cond-mat.stat-mech, cs.LG, physics.chem-ph, physics.comp-ph | Enhanced Sampling with Machine Learning: A Review はコメントを受け付けていません

Reliable machine learning potentials based on artificial neural network for graphene

要約 グラフェンは、機械的、熱的、電気的特性のユニークな組み合わせにより、最も研 … 続きを読む

カテゴリー: cond-mat.mes-hall, cond-mat.mtrl-sci, cond-mat.stat-mech, cs.LG, physics.comp-ph | Reliable machine learning potentials based on artificial neural network for graphene はコメントを受け付けていません

Ewald-based Long-Range Message Passing for Molecular Graphs

要約 分子データから位置エネルギー面を学習するニューラル アーキテクチャは、近年 … 続きを読む

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph | Ewald-based Long-Range Message Passing for Molecular Graphs はコメントを受け付けていません

Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere

要約 フーリエ ニューラル オペレーター (FNO) は、科学機械学習の幅広い応 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, physics.ao-ph, physics.comp-ph | Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere はコメントを受け付けていません

Solving High-Dimensional PDEs with Latent Spectral Models

要約 ディープ モデルは、偏微分方程式 (PDE) を解く上で目覚ましい進歩を遂 … 続きを読む

カテゴリー: cs.LG, physics.comp-ph | Solving High-Dimensional PDEs with Latent Spectral Models はコメントを受け付けていません

Metaheuristic conditional neural network for harvesting skyrmionic metastable states

要約 我々は、高凹凸度のポテンシャルエネルギー面における物理的に興味深い準安定状 … 続きを読む

カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.LG, physics.comp-ph | Metaheuristic conditional neural network for harvesting skyrmionic metastable states はコメントを受け付けていません

Gibbs free energies via isobaric-isothermal flows

要約 等圧等温 (NPT) アンサンブルからサンプリングするように訓練された正規 … 続きを読む

カテゴリー: cond-mat.stat-mech, cs.LG, physics.comp-ph, stat.ML | Gibbs free energies via isobaric-isothermal flows はコメントを受け付けていません

Conditioning Normalizing Flows for Rare Event Sampling

要約 複雑な分子プロセスのダイナミクスを理解することは、多くの場合、長寿命の安定 … 続きを読む

カテゴリー: cond-mat.stat-mech, cs.LG, physics.comp-ph | Conditioning Normalizing Flows for Rare Event Sampling はコメントを受け付けていません

PANNA 2.0: Efficient neural network interatomic potentials and new architectures

要約 ローカル原子記述子と多層パーセプトロンに基づいてニューラル ネットワークの … 続きを読む

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph | PANNA 2.0: Efficient neural network interatomic potentials and new architectures はコメントを受け付けていません

Identification and Classification of Exoplanets Using Machine Learning Techniques

要約 NASA のケプラー宇宙望遠鏡は、銀河系内に系外惑星の存在を発見するという … 続きを読む

カテゴリー: astro-ph.EP, astro-ph.IM, cs.LG, physics.comp-ph | Identification and Classification of Exoplanets Using Machine Learning Techniques はコメントを受け付けていません