ترجمه فارسی مقاله پیشبرد شبیه سازی دینامیک مولکولی غیردیاباتیک برای جامدات: دستیابی به دقت و کارایی عالی با یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Advancing Nonadiabatic Molecular Dynamics Simulations for Solids: Achieving Supreme Accuracy and Efficiency with Machine Learning
عنوان مقاله به فارسی پیشبرد شبیه سازی دینامیک مولکولی غیردیاباتیک برای جامدات: دستیابی به دقت و کارایی عالی با یادگیری ماشین
نویسندگان Changwei Zhang, Yang Zhong, Zhi-Guo Tao, Xinming Qing, Honghui Shang, Zhenggang Lan, Oleg V. Prezhdo, Xin-Gao Gong, Weibin Chu, Hongjun Xiang
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computational Physics,Materials Science,فیزیک محاسباتی , علوم مواد ,
توضیحات Submitted 13 August, 2024; originally announced August 2024. , Comments: 25 pages, 7 figures
توضیحات به فارسی ارسال شده در 13 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 25 صفحه ، 7 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

Non-adiabatic molecular dynamics (NAMD) simulations have become an indispensable tool for investigating excited-state dynamics in solids. In this work, we propose a general framework, N$^2$AMD which employs an E(3)-equivariant deep neural Hamiltonian to boost the accuracy and efficiency of NAMD simulations. The preservation of Euclidean symmetry of Hamiltonian enables N$^2$AMD to achieve state-of-the-art performance. Distinct from conventional machine learning methods that predict key quantities in NAMD, N$^2$AMD computes these quantities directly with a deep neural Hamiltonian, ensuring supreme accuracy, efficiency, and consistency. Furthermore, N$^2$AMD demonstrates excellent generalizability and enables seamless integration with advanced NAMD techniques and infrastructures. Taking several extensively investigated semiconductors as the prototypical system, we successfully simulate carrier recombination in both pristine and defective systems at large scales where conventional NAMD often significantly underestimates or even qualitatively incorrectly predicts lifetimes. This framework not only boosts the efficiency and precision of NAMD simulations but also opens new avenues to advance materials research.

چکیده به فارسی (ترجمه ماشینی)

شبیه سازی دینامیک مولکولی غیر آدیاباتیک (NAMD) به ابزاری ضروری برای بررسی دینامیک حالت هیجان در مواد جامد تبدیل شده است.در این کار ، ما یک چارچوب کلی ، n $ 2 $ amd را پیشنهاد می کنیم که از یک هامیلتونیان عصبی عمیق E (3) استفاده می کند تا دقت و کارآیی شبیه سازی های NAMD را تقویت کند.حفظ تقارن اقلیدسی همیلتونیان N $ 2 $ AMD را قادر می سازد تا به عملکرد پیشرفته ای برسد.متمایز از روشهای یادگیری ماشین معمولی که مقادیر کلیدی در NAMD را پیش بینی می کنند ، N $ 2 $ amd این مقادیر را مستقیماً با یک همیلتون عصبی عمیق محاسبه می کند و از دقت ، کارآیی و قوام عالی اطمینان می دهد.علاوه بر این ، n $ 2 $ amd تعمیم پذیری عالی را نشان می دهد و ادغام یکپارچه را با تکنیک های پیشرفته NAMD و زیرساخت ها امکان پذیر می کند.با در نظر گرفتن چندین هادی های نیمه هادی گسترده به عنوان سیستم نمونه اولیه ، ما با موفقیت نوترکیبی حامل را در هر دو سیستم بکر و معیوب در مقیاس های بزرگ شبیه سازی می کنیم که در آن NAMD معمولی اغلب به طور قابل توجهی دست کم می گیرد یا حتی از نظر کیفی به طور نادرست طول عمر را پیش بینی می کند.این چارچوب نه تنها باعث افزایش کارایی و دقت شبیه سازی های NAMD می شود بلکه راه های جدیدی را برای پیشبرد تحقیقات مواد 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.