MétaCan
Menu
Retour à la cohorte
Enregistrement W4378952188 · doi:10.1063/5.0149832

Computing vibrational energy levels using a canonical polyadic tensor method with a fixed rank and a contraction tree

2023· article· en· W4378952188 sur OpenAlexafffund
Sangeeth Das Kallullathil, Tucker Carrington

Notice bibliographique

RevueThe Journal of Chemical Physics · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueTensor decomposition and applications
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité Paris-SaclayCompute Canada
Mots-clésWave functionTensor (intrinsic definition)InverseContraction (grammar)Rank (graph theory)Tree (set theory)MathematicsPhysicsComputer scienceQuantum mechanicsCombinatoricsPure mathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

In this paper, we use the previously introduced Canonical Polyadic (CP)-Multiple Shift Block Inverse Iteration (MSBII) eigensolver [S. D. Kallullathil and T. Carrington, J. Chem. Phys. 155, 234105 (2021)] in conjunction with a contraction tree to compute vibrational spectra. The CP-MSBII eigensolver uses the CP format. The memory cost scales linearly with the number of coordinates. A tensor in CP format represents a wavefunction constrained to be a sum of products (SOP). An SOP wavefunction can be made more accurate by increasing the number of terms, the rank. When the required rank is large, the runtime of a calculation in CP format is long, although the memory cost is small. To make the method more efficient, we break the full problem into pieces using a contraction tree. The required rank for each of the sub-problems is small. To demonstrate the effectiveness of the ideas, we computed vibrational energy levels of acetonitrile (12-D) and ethylene oxide (15-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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,351
Écart entre enseignants0,281 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

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