Quantum-chemical insights from deep tensor neural networks
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Résumé
Abstract Learning from data has led to paradigm shifts in a multitude of disciplines, including web, text and image search, speech recognition, as well as bioinformatics. Can machine learning enable similar breakthroughs in understanding quantum many-body systems? Here we develop an efficient deep learning approach that enables spatially and chemically resolved insights into quantum-mechanical observables of molecular systems. We unify concepts from many-body Hamiltonians with purpose-designed deep tensor neural networks, which leads to size-extensive and uniformly accurate (1 kcal mol −1 ) predictions in compositional and configurational chemical space for molecules of intermediate size. As an example of chemical relevance, the model reveals a classification of aromatic rings with respect to their stability. Further applications of our model for predicting atomic energies and local chemical potentials in molecules, reliable isomer energies, and molecules with peculiar electronic structure demonstrate the potential of machine learning for revealing insights into complex quantum-chemical 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.
La notice
- Revue
- Nature Communications
- Thématique
- Machine Learning in Materials Science
- Domaine
- Materials Science
- Établissements canadiens
- —
- Organismes subventionnaires
- Banting and Best Diabetes Centre, University of TorontoBundesministerium für Bildung und ForschungDeutsche ForschungsgemeinschaftNational Research FoundationNational Science Foundation
- Mots-clés
- Chemical spaceObservableComputer scienceQuantumQuantum chemicalTensor (intrinsic definition)Artificial neural networkMoleculeDeep learningArtificial intelligenceStatistical physicsPhysicsQuantum mechanicsBioinformaticsMathematicsBiologyDrug discovery
- Résumé présent dans OpenAlex
- oui