Self-Consistent Filtering Scheme for Efficient Calculations of Observables via the Mixed Quantum-Classical Liouville Approach
Notice bibliographique
Résumé
Over the past decade, several algorithms have been developed for calculating observables using mixed quantum-classical Liouville dynamics, which differ in how accurately they solve the quantum-classical Liouville equation (QCLE). One of these algorithms, known as sequential short-time propagation (SSTP), is a surface-hopping algorithm that solves the QCLE almost exactly, but obtaining converged values of observables requires very large ensembles of trajectories due to the rapidly growing statistical errors inherent to this algorithm. To reduce the ensemble sizes, two filtering schemes (viz., observable cutting and transition filtering) have been previously developed and effectively applied to both simple and complex models. However, these schemes are either ad hoc in nature or require significant trial and error for them to work as intended. In this study, we present a self-consistent scheme, which, in combination with a soundly motivated probability function used for the Monte Carlo sampling of the nonadiabatic transitions, avoids the ad hoc observable cutting and reduces the amount of trial and error required for the transition filtering to work. This scheme is tested on the spin-boson model, in the weak, intermediate, and strong coupling regimes. Our transition filtered results obtained using a newly proposed probability function, which favors the sampling of nonadiabatic transitions with small energy gaps, show a significant improvement in accuracy and efficiency for all coupling regimes over the results obtained using observable cutting and the original implementation of transition filtering and are comparable to those obtained using the combination of these two techniques. It is therefore expected that this novel scheme will substantially reduce ensemble sizes and simplify the computation of observables in more complex systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».