MétaCan
Menu
Retour à la cohorte
Enregistrement W2964297553 · doi:10.1080/00268976.2019.1619854

Double exponential transformation for computing three-center nuclear attraction integrals

2019· article· en· W2964297553 sur OpenAlexaff
Jordan Lovrod, Hassan Safouhi

Notice bibliographique

RevueMolecular Physics · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésExponential functionTransformation (genetics)Center (category theory)AttractionExponential growthPhysicsMathematicsMathematical analysisChemistryCrystallography

Résumé

récupéré en direct d'OpenAlex

Three-center nuclear attraction integrals, which arise in density functional and ab initio calculations, are one of the most time-consuming computations involved in molecular electronic structure calculations. Even for relatively small systems, millions of these laborious calculations need to be executed. Highly efficient and accurate methods for evaluating molecular integrals are therefore all the more vital in order to perform the calculations necessary for large systems. When using a basis set of B functions, an analytical expression for the three-center nuclear attraction integrals can be derived via the Fourier transform method. However, due to the presence of the highly oscillatory semi-infinite spherical Bessel integral, the analytical expression still remains problematic. By applying the S transformation, the spherical Bessel integral can be converted into a much more favorable sine integral. In the present work, we then apply two types of double exponential transformations to the resulting sine integral, which leads to a highly efficient and accurate quadrature formula. This method facilitates the approximation of the molecular integrals to a high predetermined accuracy, while still keeping the calculation times low. The fast convergence properties analyzed in the numerical section illustrate the advantages of the method.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,282
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular PhysicsMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207