ModelHamiltonian: A Python-scriptable library for generating 0-, 1-, and 2-electron integrals
Notice bibliographique
Résumé
ModelHamiltonian is a free, open source, and cross-platform Python library designed to express model Hamiltonians, including spin-based Hamiltonians (Heisenberg and Ising models) and occupation-based Hamiltonians (Pariser-Parr-Pople, Hubbard, and Hückel models) in terms of 1- and 2-electron integrals, so that these systems can be easily treated by traditional quantum chemistry software programs. ModelHamiltonian was originally intended to facilitate the testing of new electronic structure methods using HORTON but emerged as a stand-alone research tool that we recognize has wide utility, even in an educational context. ModelHamiltonian is written in Python and adheres to modern principles of software development, including comprehensive documentation, extensive testing, continuous integration/delivery protocols, and package management. While we anticipate that most users will use ModelHamiltonian as a Python library, we include a graphical user interface so that models can be built without programming, based on connectivity/parameters inferred from, for example, a SMILES string. We also include an interface to ChatGPT so that users can specify a Hamiltonian in plain language (without learning ModelHamiltonian's vocabulary and syntax). This article marks the official release of the ModelHamiltonian library, showcasing its functionality and scope.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,022 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».