ترجمه فارسی مقاله چارچوب یکپارچه یادگیری عمیق برای شیمی کوانتومی چند ذره‌ای از طریق توابع گرین

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 Unified Deep Learning Framework for Many-Body Quantum Chemistry via Green's Functions
عنوان مقاله به فارسی چارچوب یکپارچه یادگیری عمیق برای شیمی کوانتومی چند ذره‌ای از طریق توابع گرین
نویسندگان Christian Venturella, Jiachen Li, Christopher Hillenbrand, Ximena Leyva Peralta, Jessica Liu, Tianyu Zhu
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
دسته بندی موضوعات Chemical Physics,Materials Science,Computational Physics,فیزیک شیمیایی , علوم مواد , فیزیک محاسباتی ,
توضیحات Submitted 29 July, 2024; originally announced July 2024. , Comments: 16 pages, 5 figures
توضیحات به فارسی ارسال 29 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 16 صفحه ، 5 شکل

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 920,000 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

Quantum many-body methods provide a systematic route to computing electronic properties of molecules and materials, but high computational costs restrict their use in large-scale applications. Due to the complexity in many-electron wavefunctions, machine learning models capable of capturing fundamental many-body physics remain limited. Here, we present a deep learning framework targeting the many-body Green's function, which unifies predictions of electronic properties in ground and excited states, while offering deep physical insights into electron correlation effects. By learning the $GW$ or coupled-cluster self-energy from mean-field features, our graph neural network achieves competitive performance in predicting one- and two-particle excitations and quantities derivable from one-particle density matrix. We demonstrate its high data efficiency and good transferability across chemical species, system sizes, molecular conformations, and correlation strengths in bond breaking, through multiple molecular and nanomaterial benchmarks. This work opens up new opportunities for utilizing machine learning to solve many-electron problems.

چکیده به فارسی (ترجمه ماشینی)

روشهای بسیار بدنه کوانتومی مسیری سیستماتیک را برای محاسبه خواص الکترونیکی مولکول ها و مواد فراهم می کند ، اما هزینه های محاسباتی بالا استفاده آنها را در برنامه های در مقیاس بزرگ محدود می کند.با توجه به پیچیدگی در عملکردهای موج بسیاری ، مدل های یادگیری ماشین که قادر به گرفتن فیزیک اساسی بدن اساسی هستند ، محدود هستند.در اینجا ، ما یک چارچوب یادگیری عمیق را ارائه می دهیم که عملکرد بسیاری از بدن را هدف قرار می دهد ، که پیش بینی خواص الکترونیکی در حالت های زمینی و هیجان زده را متحد می کند ، در حالی که بینش های فیزیکی عمیق در مورد اثرات همبستگی الکترون ارائه می دهد.با یادگیری $ gw $ یا خودآزمایی خوشه ای از ویژگی های میانگین میدان ، شبکه عصبی نمودار ما در پیش بینی تحریکات یک و دو ذره و مقادیر مشتق از ماتریس چگالی یک ذره به عملکرد رقابتی می رسد.ما راندمان داده بالا و انتقال خوب آن در بین گونه های شیمیایی ، اندازه سیستم ، ترکیبات مولکولی و استحکام همبستگی در شکستن پیوند ، از طریق معیارهای مولکولی و نانومواد را نشان می دهیم.این کار فرصت های جدیدی را برای استفاده از یادگیری ماشین برای حل مشکلات بسیاری از الکترون باز 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.