MétaCan
Menu
Retour à la cohorte
Enregistrement W4320728701 · doi:10.26434/chemrxiv-2023-b7f0j

The OpenMolcas Web: A Community-Driven Approach to Advancing Computational Chemistry

2023· preprint· en· W4320728701 sur OpenAlexfundno aff
Giovanni Li Manni, Ignacio Fdez. Galván, Ali Alavi, Flavia Aleotti, Francesco Aquilante, Jochen Autschbach, Davide Avagliano, Alberto Baiardi, Jie Bao, Stefano Battaglia, Letitia Birnoschi, Alejandro Blanco-González, Sergey I. Bokarev, Ria Broer, Roberto Cacciari, Paul B. Calio, Rebecca K. Carlson, Rafael C. Couto, Luis Cerdán, Liviu F. Chibotaru, Nicolas F. Chilton, Jonathan R. Church, Irene Conti, Sonia Coriani, Juliana Cuéllar-Zuquin, Razan E. Daoud, Nike Dattani, Piero Decleva, Coen de Graaf, Mickaël G. Delcey, Luca De Vico, Werner Dobrautz, Sijia S. Dong, Rulin Feng, Nicolas Ferré, Michael Filatov, Laura Gagliardi, Marco Garavelli, Leticia González, Yafu Guan, Meiyuan Guo, Matthew R. Hennefarth, Matthew R. Hermes, Chad E. Hoyer, Miquel Huix‐Rotllant, Vishal Kumar Jaiswal, Andy Kaiser, Danil Kaliakin, Marjan Khamesian, Daniel S. King, Vladislav Kochetov, Marek Krośnicki, Arpit Arun Kumaar, Ernst D. Larsson, Susi Lehtola, Marie-Bernadette Lepetit, Hans Lischka, Pablo López Ríos, Marcus Lundberg, Dongxia Ma, Sebastian Mai, Philipp Marquetand, Isabella C. D. Merritt, Francesco Montorsi, Maximilian Mörchen, Artur Nenov, Yoshio Nishimoto, Meagan S. Oakley, Massimo Olivucci, Markus Oppel, D. D. La Padula, Riddhish Pandharkar, Quan Manh Phung, Felix Plasser, Gerardo Raggi, Elisa Rebolini, Markus Reiher, Ivan Rivalta, Daniel Roca‐Sanjuán, Thies Romig, Arta Anushirwan Safari, Aitor Sánchez-Mansilla, Andrew M. Sand, Igor Schapiro, Thais R. Scott, Javier Segarra‐Martí, Francesco Segatta, Dumitru‐Claudiu Sergentu, Prachi Sharma, Ron Shepard, Yinan Shu, Jakob K. Staab, Tjerk P. Straatsma, Lasse Kragh Sørensen, Bruno Nunes Cabral Tenorio, Donald G. Truhlar, Liviu Ungur, Morgane Vacher, Valera Veryazov, Torben Arne Voß, Oskar Weser, Dihua Wu, Xuchun Yang, David R. Yarkony, Chen Zhou, J. Patrick Zobel, Roland Lindh

Notice bibliographique

RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge National LaboratoryBasic Energy SciencesNational Supercomputer Centre, Linköpings UniversitetUppsala Multidisciplinary Center for Advanced Computational ScienceEuropean Regional Development FundOffice of ScienceEuropean CommissionMinisterio de Ciencia e InnovaciónRoyal SocietyAlliance de recherche numérique du CanadaMinistero dell’Istruzione, dell’Università e della RicercaUppsala UniversitetCentre National de la Recherche ScientifiqueU.S. Department of EnergyVetenskapsrådetLinköpings UniversitetLunds UniversitetPartnership for Advanced Computing in Europe AISBLDeutsche ForschungsgemeinschaftGrand Équipement National De Calcul IntensifNational Science CouncilCarl Tryggers Stiftelse för Vetenskaplig ForskningUniversity of ChicagoEuropean Cooperation in Science and TechnologyUniversity of ManchesterFundación Bancaria Caixa d'Estalvis i Pensions de BarcelonaUniversity of MinnesotaNational Science FoundationAgencia Estatal de InvestigaciónSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésComputer scienceFocus (optics)Electronic structureSoftwareComputational scienceChemistryNanotechnologyData scienceComputational chemistryPhysicsMaterials scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

In this article the recent developments of the open-source OpenMolcas chemistry software environment, since spring 2020, are described, with the main focus on novel functionalities that are accessible in the stable branch of the package and/or via interfaces with other packages. These community developments span a wide range of topics in computational chemistry, and are presented in thematic sections associated with electronic structure theory, electronic spectroscopy simulations, analytic gradients and molecular structure optimizations, ab initio molecular dynamics, and other new features. This report represents a useful summary of these developments, and it offers a solid overview of the chemical phenomena and processes that OpenMolcas can address, while showing that OpenMolcas is an attractive platform for state-of-the-art atomistic computer simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,022
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,002
Communication savante0,0070,007
Science ouverte0,0110,014
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,0450,026

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 Opus0,039
Tête enseignante GPT0,307
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetMachine Learning in Materials ScienceTravaux en français237 207