Sign In
Core Concepts
온라인 능동 기계 학습 방법을 사용하여 복잡한 상호작용과 복잡한 구성 요소를 가진 시스템의 효과적인 해밀토니안 파라미터를 자동으로 계산할 수 있습니다.
Abstract
이 연구에서는 베이지안 선형 회귀를 기반으로 하는 온라인 능동 기계 학습 접근법을 사용하여 효과적인 해밀토니안의 파라미터를 계산합니다. 이 방법은 분자 동역학 시뮬레이션 중에 각 단계에서 에너지, 힘 및 응력과 함께 그 불확실성을 예측합니다. 불확실성이 크면 첫 원리 계산을 수행하여 파라미터를 재학습합니다. 이 접근법은 이전 방법으로 처리할 수 없었던 복잡한 시스템을 포함하여 모든 고려 시스템에 대한 효과적인 해밀토니안 파라미터를 계산하는 보편적이고 자동화된 방법을 제공합니다. 또한 효과적인 해밀토니안의 형식을 복잡한 항을 포함하도록 수정했습니다. BaTiO3, CsPbI3 및 SrTiO3/PbTiO3 표면을 예로 들어 이 접근법의 정확성을 기존 첫 원리 파라미터화 방법과 비교했습니다.
Customize Summary
Rewrite with AI
Generate Citations
Translate Source
To Another Language
Generate MindMap
from source content
Visit Source
arxiv.org
Active learning for effective Hamiltonian of super-large-scale atomic structures
Stats
첫 원리 계산 기반 효과적인 해밀토니안은 강유전체와 이완 강유전체의 특성을 예측하고 시뮬레이션하는 데 널리 사용됩니다.
효과적인 해밀토니안의 파라미터화 방법은 복잡하며 복잡한 상호작용 및/또는 복잡한 구성 요소가 있는 시스템을 해결할 수 없습니다.
온라인 능동 기계 학습 접근법은 복잡한 상호작용과 복잡한 구성 요소를 가진 시스템의 효과적인 해밀토니안 파라미터를 자동으로 계산할 수 있습니다.
효과적인 해밀토니안의 형식을 복잡한 항을 포함하도록 수정했습니다.
Quotes
"첫 원리 계산 기반 효과적인 해밀토니안은 강유전체와 이완 강유전체의 특성을 예측하고 시뮬레이션하는 데 널리 사용됩니다."
"효과적인 해밀토니안의 파라미터화 방법은 복잡하며 복잡한 상호작용 및/또는 복잡한 구성 요소가 있는 시스템을 해결할 수 없습니다."
"온라인 능동 기계 학습 접근법은 복잡한 상호작용과 복잡한 구성 요소를 가진 시스템의 효과적인 해밀토니안 파라미터를 자동으로 계산할 수 있습니다."
Deeper Inquiries
복잡한 시스템의 효과적인 해밀토니안 파라미터화를 위한 다른 접근법은 무엇이 있을까요?
복잡한 시스템의 효과적인 해밀토니안 파라미터화를 위한 다른 접근법으로는 머신 러닝 및 인공지능 기술을 활용하는 방법이 있습니다. 예를 들어, 신경망을 활용하여 파라미터를 학습하고 최적화하는 방법이 있을 수 있습니다. 또한, 유전 알고리즘과 같은 최적화 기술을 적용하여 파라미터를 조정하는 방법도 효과적일 수 있습니다. 또한, 클러스터링 및 패턴 인식 기술을 활용하여 시스템의 복잡성을 고려한 파라미터화 방법을 개발할 수도 있습니다.
0
