MétaCan
Menu
Retour à la cohorte
Enregistrement W3217437752 · doi:10.1063/5.0075412

Computing vibrational energy levels by solving linear equations using a tensor method with an imposed rank

2021· article· en· W3217437752 sur OpenAlexafffund
Sangeeth Das Kallullathil, Tucker Carrington

Notice bibliographique

RevueThe Journal of Chemical Physics · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueTensor decomposition and applications
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRank (graph theory)Tensor (intrinsic definition)Basis (linear algebra)OrthogonalizationApplied mathematicsMathematicsBasis functionHamiltonian (control theory)Realization (probability)Tensor productAlgorithmMathematical analysisMathematical optimizationPure mathematicsCombinatoricsGeometry

Résumé

récupéré en direct d'OpenAlex

Present day computers do not have enough memory to store the high-dimensional tensors required when using a direct product basis to compute vibrational energy levels of a polyatomic molecule with more than about five atoms. One way to deal with this problem is to represent tensors using a tensor format. In this paper, we use the canonical polyadic (CP) format. Energy levels are computed by building a basis from vectors obtained by solving linear equations. The method can be thought of as a CP realization of a block inverse iteration method with multiple shifts. The CP rank of the tensors is fixed, and the linear equations are solved with an method. There is no need for rank reduction and no need for orthogonalization, and tensors with a rank larger than the fixed rank used to solve the linear equations are never generated. The ideas are tested by computing vibrational energy levels of a 64-D bilinearly coupled model Hamiltonian and of acetonitrile (12-D).

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,331

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 Opus0,078
Tête enseignante GPT0,360
Écart entre enseignants0,282 · 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
GenreMéthodes

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

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetTensor decomposition and applicationsTravaux en français237 207