- 博客(19)
- 收藏
- 关注
RSS订阅原创 能量转换kcal/mol_to_eV
（电子伏特），需要了解两个单位的定义，并使用适当的转换因子。通过以上步骤，你可以准确地在。（千卡每摩尔）转换为。
2025-04-09 17:28:17
2819
原创 材料科学人工智能-AI for science
晶体材料是由 3D 空间中的原子周期性重复形成的另一类大型化合物，最近，受到人工智能方法，特别是分子机器学习模型成功的启发，许多研究尝试将这些模型应用于晶体材料相关问题。与分子不同，晶体材料中的原子排列具有重复晶胞和原子的复杂周期性排列。因此，晶体材料与分子具有非常不同的物理对称性，为它们开发有效的人工智能模型需要在模型中明确捕获这些对称性。结晶材料 M 表示为MzCLMzCL, 分别代表原子型(原子序数)，原子3D坐标，晶格矩阵。(晶体材料存在的)排列，E(3)，周期。1. 排列。
2024-11-26 19:21:18
902
原创 求解亥姆霍兹方程
首先，变量分离将亥姆霍兹方程∇2k2Ψd0分解为球谐函数和球贝塞尔函数方程，我们将方程的解函数Ψ转换到球坐标系rθϕ下，并将解ΨrθϕΨrθϕRrYθϕ其中Rr是仅依赖于径向坐标r的函数，Yθϕ是依赖于角度θ和ϕ的角向函数。这样可以将问题分离为径向部分和角度部分。
2024-10-28 22:34:37
2681
原创 贝塞尔函数
阶贝塞尔函数（常见于球对称问题中）通常是通过解球贝塞尔微分方程得到的。这些函数表示的是无奇点的球面波的径向分布，通常用于球坐标下的波动方程解中。这个方程的解包括两类独立的解，即第一类球贝塞尔函数。第二类球贝塞尔函数通常用于描述球坐标系中具有辐射条件的解。是常规的半整数阶的第一类贝塞尔函数。是半整数阶的第二类贝塞尔函数。和第二类球贝塞尔函数。
2024-10-28 21:26:11
2743
原创 球谐函数Y
球谐函数（Spherical Harmonics）是通过在球坐标下求解三维拉普拉斯方程（Laplace’s Equation）得到的。下面将详细展示这一计算过程，每一步都尽量清晰。
2024-10-28 20:41:55
1349
原创 `torch.utils.data`模块
在PyTorch中，模块提供了许多有用的工具来处理和加载数据。以下是对您提到的DataLoaderSubset, 和的详细解释以及使用示例。
2024-09-28 16:45:40
440
原创 tf.math.segment_mean的用法
首先，我们需要纠正代码中的一些错误和潜在的误解。在TensorFlow中，应该在的调用中明确指定为字符串'float64'而不是未定义的float64（这会导致一个错误，因为float64没有被定义为一个变量或类型）。另外，的输出形状是基于中的最大标识符加1来确定的，但输出的内部内容（即每个段的均值）将只填充有实际计算得到的均值，对于没有对应元素的段，将不会填充（在较新版本的TensorFlow中，这些位置可能会被填充为0或保持未定义，但通常不会显示为[0. 0. 0.]
2024-09-10 10:52:53
388
原创 基于机器学习的原子间势能面模型
基于机器学习的原子间势能模型是近年来材料科学、化学和物理学等领域的研究热点。这些模型利用机器学习算法从大量数据中学习原子间的相互作用规律，以实现对材料性质的精确预测。
2024-07-14 13:53:01
1755
原创 梯度优化（SGD、Adam、动量、mini-batch）
注意：这个示例使用了全批量梯度下降（Full Batch Gradient Descent）的更新方式（即每次迭代都遍历整个数据集），但计算梯度时只使用了单个样本，这实际上模拟了SGD的随机性。为了真正的SGD，你需要在每次迭代中只使用一个样本或一小批样本，而不是整个数据集。在SGD中，不是每次更新都使用全部数据，而是每次更新只随机选取一个样本或一小批（batch）样本来计算梯度，这样可以大大加快训练速度。2.计算过去梯度的平方的指数加权平均值，并将其存储在变量（偏差校正之前）和（偏差校正中）中。
2024-07-09 14:52:31
1847
原创 LinLin（二）续
尽管周期系统的大小是无限的，但事实上，认为周期系统只不过是一个“巨型分子”是非常有帮助的，至少在启发式上是这样。类似于到目前为止使用的符号，我们使用r∈R3作为实空间中的变量，，N.如稍后将看到的，这对应于零温度下的绝缘系统的设置。由于外部势相对于晶胞仍然是周期性的，1.4节中的Bloch分解将单轨道指数i分解为两个指数(n，k），如下。注意，对于任何ρ∈J_N，至少存在一个P（N）给出密度，因为我们可以用。来确定，其约束条件是P（N）是自伴的、半正定的，并且它的迹是1。因此，k不可能是Ω*中的任意点。
2024-07-05 13:10:02
1100
原创 DimeNet--分子图的定向消息传递--2020--V2 2022
图神经网络最近在预测分子的量子力学性质方面取得了巨大成功。这些模型仅使用原子（节点）之间的距离将分子表示为图。然而，它们没有考虑从一个原子到另一个原子的空间方向，尽管方向信息在分子的经验势中起着核心作用，例如在角势中。为了减轻这种限制，我们提出了定向消息传递，其中我们嵌入原子之间传递的消息，而不是原子本身。每个消息与坐标空间中的方向相关联。这些定向消息嵌入在旋转上是等变的，因为相关联的方向随分子旋转。我们提出了一种类似于信念传播的消息传递方案，该方案通过基于消息之间的角度来转换消息来使用方向信息。
2024-06-14 09:14:34
971
原创 LinLin（一）
文章目录二、量子力学基础理论1.1有限维量子系统斯特恩——格拉赫(Stern–Gerlach)实验状态空间量子算符在什么意义上，物理可观测性可以用自伴算符来表示？什么是态，本征态，对应的概率分布，本征值？我们现在确定与状态|±x>、|±y>和|±z>相关的展开系数测不准原理用测不准原理来量化薛定谔方程薛定谔方程的解1.2实空间中的薛定谔方程实直线上的位置算子动量算子测不准原理角动量算符哈密顿算子1.3氢原子1.4周期系统1.5张量积空间：两个自旋为1/2的粒子1.6相同粒子二、量子力学基
2024-06-10 18:48:54
1140
原创 分子动力学模拟基础知识
从头计算结合分子动力学模拟的方法提供了从量子力学到经典力学的桥梁，使得能够在原子水平上研究复杂体系的行为。通过使用DFT计算原子间相互作用并参数化经典力场，可以进行大规模的分子动力学模拟，从而获得丰富的物理和化学信息。
2024-05-14 15:44:50
3508
1
原创 DPA-1
原子间势能面（PES）的机器学习辅助建模正在彻底改变分子模拟领域。随着高质量电子结构数据的积累，一个可以根据所有可用数据进行预训练并在下游任务中进行微调的模型将把该领域带入一个新阶段。在这里，我们提出了DPA-1，一个具有新的注意机制的深度势模型，它对于表示原子系统的构象和化学空间以及学习PES非常有效。我们在多个系统上测试了DPA-1，并观察到与现有基准相比具有更高的性能。当在包含56个元素的大规模数据集上进行预训练时，DPA-1可以成功地应用于各种下游任务，并大大提高了采样效率。
2024-04-15 16:50:24
1189
原创 人工智能在量子、原子和连续统系统中的应用（一）
几十年的人工智能（AI）研究最终以深度学习的名义复兴了神经网络【勒昆等人1998】。自AlexNet【Krizhevsky等人2012】以来，十年的深入研究导致了深度学习的许多突破，例如，包括ResNet【何等人2016】，扩散和基于分数的模型【何等人2020；宋等2020】，注意力，transforms【瓦斯瓦尼等2017】，以及最近的大型语言模型（LLM）和ChatGPT【OpenAI 2023】等。量子物理学家保罗·狄拉克（Paul Dirac）指出：“。
2024-04-12 15:19:17
1899
1
原创 人工智能在量子、原子和连续统系统中的应用（目录）
2.2离散对称变换的等方差16 2.3三维几何的等变特性18 2.4等变数据交互19 2.5直观物理和数学基础21 2.6群和表示理论28 2.7 SO（3）群和球谐32 2.8通过可控核的等变网络的一般公式34 2.9开放的研究方向38。11.1基础人工智能和科学的现有资源204 11.2人工智能用于科学的范式转变204 11.3预期和提议的行动206 12结论210致谢211 A分类和计算不可约表示213参考文献。3.1概述43 3.2学习量子自旋系统的基态45 3.3学习多电子系统的基态50。
2024-04-12 14:18:03
313
1
原创 物理化学理论基础（一）
通过以上步骤，就可以利用第一性原理计算方法求解多粒子系统的薛定谔方程，获取体系的状态波函数和能量本征值，并进一步推导出相关性质，为研究原子和分子体系提供了重要的理论支持和预测能力。因此，波函数是量子力学中一个描述粒子状态的基本工具。综上所述，多原子系统的模拟通过求解牛顿运动方程和适当选择原子间势能函数来实现，可以用来研究材料的性质和行为，如弹性特性、缺陷行为、相变等。总之，密度泛函理论是一种强大的工具，能够在理论上和计算上揭示多体量子系统的基态性质，为材料科学和化学领域提供了重要的理论支持和预测能力。
2024-04-06 10:36:26
2640
1
原创 2.10 几何优化和从头算分子动力学
在玻恩——奥本海默近似下，原子核由经典力学描述，电子根据与每个原子构型相关的基态波函数从属于原子核。总能量E（{RI}）提供了原子间势能的第一原理描述。几何优化（或结构优化）问题旨在寻找势能面E（{RI}）上的（全局或局部）极小值，相应的极小值{R∫I}是（全局或局部）稳定构型。大多数自然存在的分子和固体都处于或接近这样的极小值。定义第i个原子核的原子力为FI({RI})−∂RI∂E({RI});
2024-04-03 22:14:37
1905
1
原子热力学参量与元素性质的关系研究
2024-09-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人