大牛推荐论文:深度学习与薛定谔方程

大牛推荐论文:深度学习与薛定谔方程

2017-02-13 12:15:45    深度学习   

0

最近,一篇刚出现不久的论文得到了多位机器学习领域重量级人物的推荐:Deep learning and the Schr¨odinger equation。点击阅读原文下载此论文。

20170213121034.jpg

Yann LeCun:来自我们「卷积网出乎意料的应用」(unexpected applications of ConvNets)部门的消息:将 2D 电位馈送到一个网络(作为图像),并根据薛定谔方程训练卷积网络(ConvNet)可计算该电位中单个电子的能量谱。

训练数据通过实际的薛定谔方程解算器产生。

卷积网络(ConvNet)似乎在吐出稳定状态的能量方面做得很好。

论文:Deep learning and the Schr¨odinger equation

20170213121258.jpg

摘要

在约束二维静电势(electrostatic potentials)的四态中,我们训练了一个深度(卷积)神经网络来预测一个电子的基态能量(ground-state energy)。在随机生成的电势中,对于没有分析形式的电势或基能,神经网络模型能够在化学精度内预测中值绝对误差为 1.49mHa 的基能。我们还检验该模型在预测其他量上的表现,如动能(kinetic energy)和随机电势的第一激发态能量(the first excited-state energy of random potentials.)。虽然演示这种方法用的是简单易处理的问题,但所得模型的可转移性和优异性能表明深层神经网络可进一步应用于电子结构的问题。


声明:本文由机器之心编译出品,原文来自arXiv,作者K Mills等人,译者黄小天,,机器之心对于违规侵权者保有法律追诉权。

网站转载请在文章开头粗体注明:本文转载自机器之心,标明作者,并附上本文链接。

微信公众号转载请在开头粗体注明:本文转载自机器之心,标明作者,并设置阅读原文链接为本文链接,微博转载请附上本文链接并@机器之心synced。

网站和微信转载具体文章后需来信至邮箱operation@jiqizhixin.com说明,备注转载文章标题、转载的微信号名称和转载日期。

机器之心只接受如上几种转载方式,其余均视为侵权,如需商业合作请致信bd@jiqizhixin.com。

相关文章

成本14,000元,如何自己动手搭建深度学习服务器?

成本14,000元,如何自己动手搭建深度学习服务器?

百度将高性能计算引入深度学习:可高效实现模型的大规模扩展

百度将高性能计算引入深度学习:可高效实现模型的大规模扩展

不同硬件不同网络,横向对比五大深度学习框架(附论文第七版)

不同硬件不同网络,横向对比五大深度学习框架(附论文第七版)

评论

共有0条评论,

大牛推荐论文:深度学习与薛定谔方程

同步到新浪微博

用户喜欢...