使用标准化流计算分子的激发态

Aug, 2023

Computing excited states of molecules using normalizing flows

Yahya Saleh, Álvaro Fernández Corral, Armin Iske, Jochen Küpper, Andrey Yachmenev

TL;DR我们提出了一种新的非线性变分框架，用于同时计算量子系统的基态和激发态。通过使用归一化流将基函数的线性空间进行扩充和优化的方法，我们展示了该方法在计算三原子 H2S 分子的多个振动态以及典型单电子系统（如氢原子、分子氢离子和碳原子）的基态和几个激发态方面的准确性和效率。这些结果表明，即使使用参数较少的归一化流，能量预测的准确性和基组收敛加速也得到了显著改进。该方法也可以看作是在给定基组中最好地捕捉底层物理的一组内在坐标的优化。

Abstract

We present a new nonlinear variational framework for simultaneously computing ground and excited states of quantum systems. Our approach is based on approximating wavefunctions in the linear span of basis functio

nonlinear variational framework quantum systems normalizing flows vibrational states basis-set convergence

发现论文，激发创造

一种高效的基于正规化流的薛定谔方程解决方案的理论框架

通过利用范畴学可解的问题，本文解决了量子力学中求解电子薛定谔方程的问题并提出了一个高效的方法。

May, 2024

自然量子蒙特卡洛计算激发态

我们提出了一种变分蒙特卡罗算法，可以估计量子系统的最低激发态，该方法是寻找扩展系统的基态，可以计算任意观测值的期望值，特别适用于利用神经网络作为变分试探态的许多电子系统。我们通过将该方法与 FermiNet 和 Psiformer 等试探态相结合，在苯等大分子上准确恢复了垂直激发能和振子强度，此技术对于变分量子蒙特卡罗在原子、核能和凝聚态物理等领域的应用具有重要意义。

Aug, 2023

可扩展的归一化流为大分子提供玻尔兹曼生成器

利用分裂通道和门控注意力的新型流架构，结合 2-Wasserstein 损失函数，使得 Boltzmann 生成器能够有效地学习蛋白质的构象分布，并在标准架构和训练策略无法成功的情况下，成功地模拟了蛋白质 G 和 HP35 的构象分布。

Jan, 2024

带条件的正规化流方法高效映射相图

通过深度生成机器学习模型和热力学状态的条件正则化流，我们可以高效地生成整个相图的平衡样本，并在预测固液共存线时降低所需能量评估数量。

Jun, 2024

基于条件归一化流的粗粒化分子表示的主动学习

本研究通过将问题分为精细程度和粗粒程度两个层面来解决 Boltzmann 分布的高效采样问题。利用粗粒程度空间上的条件正则流，实现了两个层面之间的概率联系，并使用主动学习的粗粒程度模拟来探索构型空间，从而在必要时更新流和进行全原子势能评估，通过丙氨酸二肽的实例表明，与当前最先进的机器学习方法相比，本方法在分子动力学仿真加速上可达到 15.9 至 216.2 倍的加速比。

Feb, 2024

构建开放量子多体系统的神经稳定态

本文提出了一种基于神经网络量子态的新型变分方案来模拟开放量子多体系统的静态态。我们使用受限玻尔兹曼机器描述的高表现力变分方案，称之为神经静态态方案，计算服从 Lindblad 主方程的量子动力学的静态态。将静态状态搜索问题映射为寻找相应的 Hermitian 运算符的零能量基态，可以应用传统的变分蒙特卡罗方法进行优化。我们的方法被证明能有效地模拟各种自旋系统，即在一维和二维中的横场伊辛模型和一维中的 XYZ 模型。

Feb, 2019

量子归一化流用于异常检测

量子架构中采用正态流进行异常检测并展现出具有竞争力的性能表现。

Feb, 2024

平滑归一化流

本文介绍了一种使用混合变换的规范连续流方法，可应用于计算力和高阶导数所需的平滑密度函数，并可用于分子动力学模拟。

Oct, 2021

E (n) 等变标准化流

介绍了一种生成模型，E（n）同变标准化流（E -NFs），并将歧视性的 E（n）图神经网络作为微分方程集成为可逆的同变函数：连续时间标准化流。它在粒子系统（如 DW4 和 LJ13）以及 QM9 的分子方面表现出了比基线和现有方法更好的对数似然度，是第一种共同生成 3D 中分子特征和位置的流。

May, 2021

时间相关多电子薛定谔方程的基于第一原理的变分波函数

这项研究介绍了一种变分方法，用于描述多电子量子系统的时间演化，在捕捉多体相关性方面超越平均场近似，通过参数化时间演化的量子态来近似状态的演化，并利用时间相关的 Jastrow 因子和反流变换来考虑电子的相关性。研究还展示了使用神经网络来参数化这些函数的方法，并通过三个不同的系统进行了验证。结果显示我们的变分方法能够准确捕捉量子态的时间演化，揭示了相互作用电子系统的量子动力学，超越了平均场方法的能力。

Mar, 2024