اکسپرس 24
ترجمه فارسی مقاله پتانسیل یادگیری ماشینی با حد آستانه دوگانه برای سیستم‌های آلی متراکم که از طریق یادگیری فعال هدایت‌شده با عدم قطعیت به دست آمده‌اند

ترجمه فارسی مقاله پتانسیل یادگیری ماشینی با حد آستانه دوگانه برای سیستم‌های آلی متراکم که از طریق یادگیری فعال هدایت‌شده با عدم قطعیت به دست آمده‌اند

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A dual-cutoff machine-learned potential for condensed organic systems obtained via uncertainty-guided active learning
عنوان مقاله به فارسی پتانسیل یادگیری ماشینی با حد آستانه دوگانه برای سیستم‌های آلی متراکم که از طریق یادگیری فعال هدایت‌شده با عدم قطعیت به دست آمده‌اند
نویسندگان Leonid Kahle, Benoit Minisini, Tai Bui, Jeremy T. First, Corneliu Buda, Thomas Goldman, Erich Wimmer
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
دسته بندی موضوعات Chemical Physics,Materials Science,فیزیک شیمیایی , علوم مواد ,
توضیحات Submitted 6 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 960,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Machine-learned potentials (MLPs) trained on ab initio data combine the computational efficiency of classical interatomic potentials with the accuracy and generality of the first-principles method used in the creation of the respective training set. In this work, we implement and train a MLP to obtain an accurate description of the potential energy surface and property predictions for organic compounds, as both single molecules and in the condensed phase. We devise a dual descriptor, based on the atomic cluster expansion (ACE), that couples an information-rich short-range description with a coarser long-range description that captures weak intermolecular interactions. We employ uncertainty-guided active learning for the training set generation, creating a dataset that is comparatively small for the breadth of application and consists of alcohols, alkanes, and an adipate. Utilizing that MLP, we calculate densities of those systems of varying chain lengths as a function of temperature, obtaining a discrepancy of less than 4% compared with experiment. Vibrational frequencies calculated with the MLP have a root mean square error of less than 1 THz compared to DFT. The heat capacities of condensed systems are within 11% of experimental findings, which is strong evidence that the dual descriptor provides an accurate framework for the prediction of both short-range intramolecular and long-range intermolecular interactions.

چکیده به فارسی (ترجمه ماشینی)

پتانسیل های یادگیری ماشین (MLPs) که بر روی داده های Ab Initio آموزش داده شده اند ، بازده محاسباتی پتانسیل های بین اتمی کلاسیک را با دقت و کلی بودن روش اصول اول مورد استفاده در ایجاد مجموعه آموزش مربوطه ترکیب می کنند.در این کار ، ما یک MLP را اجرا و آموزش می دهیم تا توضیحات دقیقی از سطح انرژی بالقوه و پیش بینی های خاصیت برای ترکیبات آلی بدست آوریم ، به عنوان هم مولکول های منفرد و هم در مرحله چگالش.ما یک توصیف کننده دوگانه را بر اساس انبساط خوشه اتمی (ACE) ابداع می کنیم ، که توضیحات کوتاه مدت غنی از اطلاعات را با توضیحات دوربرد درشت تر که تعامل بین مولکولی ضعیف را ضبط می کند ، زوج می کند.ما از یادگیری فعال بدون اطمینان برای تولید مجموعه آموزش استفاده می کنیم ، یک مجموعه داده ایجاد می کنیم که نسبتاً کوچک برای وسعت کاربرد است و از الکلها ، آلکان ها و چیدگی تشکیل شده است.با استفاده از آن MLP ، ما چگالی آن سیستم های دارای طول زنجیره مختلف را به عنوان تابعی از دما محاسبه می کنیم و در مقایسه با آزمایش ، اختلاف کمتر از 4 ٪ را بدست می آوریم.فرکانس های ارتعاش محاسبه شده با MLP دارای میانگین خطای مربع ریشه کمتر از 1 THz در مقایسه با DFT است.ظرفیت های گرمای سیستم های متراکم در 11 ٪ از یافته های آزمایشی قرار دارد ، که شواهد محکمی است که توصیف کننده دوگانه یک چارچوب دقیق برای پیش بینی هر دو تعامل درون مولکولی و دوربرد بین مولکولی را فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.