ترجمه فارسی مقاله Hessian QM9: یک پایگاه داده شیمی کوانتومی از هسیایی های مولکولی در حلال های ضمنی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Hessian QM9: A quantum chemistry database of molecular Hessians in implicit solvents
عنوان مقاله به فارسی Hessian QM9: یک پایگاه داده شیمی کوانتومی از هسیایی های مولکولی در حلال های ضمنی
نویسندگان Nicholas J. Williams, Lara Kabalan, Ljiljana Stojanovic, Viktor Zolyomi, Edward O. Pyzer-Knapp
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Chemical Physics,Machine Learning,فیزیک شیمیایی , یادگیری ماشین ,
توضیحات Submitted 15 August, 2024; originally announced August 2024. , Comments: 7 pages, 2 figues
توضیحات به فارسی ارسال شده در 15 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 7 صفحه ، 2 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

A significant challenge in computational chemistry is developing approximations that accelerate \emph{ab initio} methods while preserving accuracy. Machine learning interatomic potentials (MLIPs) have emerged as a promising solution for constructing atomistic potentials that can be transferred across different molecular and crystalline systems. Most MLIPs are trained only on energies and forces in vacuum, while an improved description of the potential energy surface could be achieved by including the curvature of the potential energy surface. We present Hessian QM9, the first database of equilibrium configurations and numerical Hessian matrices, consisting of 41,645 molecules from the QM9 dataset at the $ω$B97x/6-31G* level. Molecular Hessians were calculated in vacuum, as well as water, tetrahydrofuran, and toluene using an implicit solvation model. To demonstrate the utility of this dataset, we show that incorporating second derivatives of the potential energy surface into the loss function of a MLIP significantly improves the prediction of vibrational frequencies in all solvent environments, thus making this dataset extremely useful for studying organic molecules in realistic solvent environments for experimental characterization.

چکیده به فارسی (ترجمه ماشینی)

یک چالش مهم در شیمی محاسباتی در حال توسعه تقریبی است که ضمن حفظ دقت ، روش های \ itm {ab initio را تسریع می کند.پتانسیل های متقابل یادگیری ماشین (MLIP) به عنوان یک راه حل امیدوار کننده برای ساخت پتانسیل های اتمی که می توانند در سیستم های مختلف مولکولی و کریستالی منتقل شوند ، ظاهر شده اند.بیشتر MLIP ها فقط بر روی انرژی و نیروهای موجود در خلاء آموزش می یابند ، در حالی که می توان توصیف بهبود یافته از سطح انرژی بالقوه را با شامل انحنای سطح انرژی بالقوه بدست آورد.ما Hessian QM9 ، اولین پایگاه داده از تنظیمات تعادل و ماتریس های عددی هسیایی ، متشکل از 41645 مولکول از مجموعه داده QM9 در سطح $ $ B97X/6-31G* را ارائه می دهیم.هسی های مولکولی در خلاء ، و همچنین آب ، تتراهیدروفوران و تولوئن با استفاده از یک مدل نجات ضمنی محاسبه شدند.برای نشان دادن کاربرد این مجموعه داده ، ما نشان می دهیم که درج مشتقات دوم سطح انرژی بالقوه در عملکرد از دست دادن یک MLIP به طور قابل توجهی پیش بینی فرکانس های ارتعاش در همه محیط های حلال را بهبود می بخشد ، بنابراین این مجموعه داده را برای مطالعه مولکول های آلی در واقع گرایانه بسیار مفید می کندمحیط های حلال برای خصوصیات تجربی.

📚 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.