MiqroForge: An Intelligent Workflow Platform for Quantum-Enhanced Computational Chemistry
本文提出智能跨尺度平台MiqroForge,通过集成量子计算能力,结合AI驱动的动态资源调度与可视化界面,降低入门门槛并优化计算效率,促进经典与量子计算领域的协作。
2025-08-11 physics.chem-ph physics.comp-ph quant-ph
Automating Computational Chemistry Workflows via OpenClaw and Domain-Specific Skills
School of Artificial Intelligence and Data Science, University of Science and Technology of China(中国科学技术大学人工智能与数据科学学院);Department of Chemistry, Princeton University(普林斯顿大学化学系);Division of Life Sciences and Medicine, University of Science and Technology of China(中国科学技术大学生命科学与医学部);AI for Science Institute(人工智能科学研究院);Shanghai Engineering Research Center of Molecular Therapeutics and New Drug Development, School of Chemistry and Molecular Engineering, East China Normal University(华东师范大学化学与分子工程学院,分子治疗与新药开发上海市工程研究中心)
本文提出了一种基于OpenClaw的多步骤计算化学自动化框架,通过任务协调和监督代理、规划技能和领域技能实现了计算化学流程的自动化,并在甲烷氧化反应分子动力学案例中展示了其协调跨工具执行、运行时故障恢复和反应网络提取的能力。
2026-05-12 physics.chem-ph
Acknowledging user requirements for accuracy in computational chemistry benchmarks
计算化学已成为实验测量的重要补充。为了在众多现有的近似值中进行选择,通常使用基准数据集,并根据平均绝对误差等数字提出建议。我们认为,使用作为一个例子的带隙密度泛函近似计算,需要更仔细的研究的基准数据,强调用户的要求发挥作用,在选择适当的方法。我们还呼吁那些测量数据的人能够用作参考,公布误差估计。我们展示了后者如何影响计算化学中使用的近似的判断。
2020-04-01 physics.chem-ph physics.data-an
Uquantchem: A versatile and easy to use Quantum Chemistry Computational Software
在本文中,我们提出了乌普萨拉量子化学包(UQUANTCHEM),一个新的和多功能的计算平台,从简单的Hartree-Fock计算的能力,最先进的第一性原理扩展拉格朗日玻恩奥本海默分子动力学(XL- BOMD)和扩散量子蒙特卡罗(DMC)。UQUANTCHEM软件包在通用公共许可证下分发,可以直接从代码网站下载。除了介绍uquantchem代码的不同功能以及如何实现这些功能的更多技术讨论外,还将介绍基于大量默认设置的软件包的用户友好方面。此外,由于代码已在消息传递接口(MPI)的框架内并行化,报告了一些基准计算的时间,以说明代码如何与不同层次的化学理论的计算节点数成比例。
2013-10-21 physics.chem-ph physics.comp-ph
Large-Scale Simulation of Quantum Computational Chemistry on a New Sunway Supercomputer
量子计算化学(QCC)是使用量子计算机来解决计算量子化学中的问题。我们开发了一个高性能的变分量子本征求解器(VQE)模拟器,用于在新的Sunway超级计算机上模拟量子计算化学问题。主要创新包括:(1)基于矩阵乘积状态(MPS)的VQE模拟器,以减少所需的内存量并提高模拟效率;(2)结合密度矩阵嵌入理论和基于MPS的VQE模拟器,以进一步扩展模拟范围;(3)三级并行化方案,以扩展到2000万个核;(4)使用Julia脚本语言作为主要编程语言,这使得编程更容易,并使其具有原生C或Fortran的尖端性能;(5)基于VQE模拟器研究实际化学系统,实现了近似线性的强和弱标度。我们的模拟展示了VQE对大型量子化学系统的强大功能,从而为近期量子计算机上的大规模VQE实验铺平了道路。
2022-07-08 physics.chem-ph quant-ph
Assessment of the TCA functional in computational chemistry and solid-state physics
我们评估了各种电子系统的Tognetti-Cortona-Adamo(TCA)广义梯度近似相关泛函[J. Chem. Phys. 128:034101(2008)]。我们发现,即使TCA功能是不准确的均匀的电子气,它是非常准确的jeltron表面相关能,它给出了一个现实的描述量子振荡和表面效应的各种jeltron集群,这是重要的模型系统在计算化学和固体物理。当TCA相关性与非经验PBEint,Wu-Cohen和PBESol $_b$交换泛函相结合时,所得到的交换相关性近似为广泛的系统和性质提供了良好的性能,对于分子的热化学和几何形状,过渡金属络合物,非共价相互作用,平衡晶格常数,体积模量和固体的内聚能是相当准确的。
2015-10-06 cond-mat.mtrl-sci physics.chem-ph
Probabilistic performance estimators for computational chemistry methods: Systematic Improvement Probability and Ranking Probability Matrix. II. Applications
在本研究的第一部分(论文I)中,我们引入了系统改进概率(SIP)作为评估两种计算化学方法之间切换时预期的绝对误差改进水平的工具。我们还开发了两个指标的基础上强大的统计,以解决排名的不确定性,在计算化学基准:Pinv,两个值之间的反转概率的统计,和Pr,排名概率矩阵。在这第二部分,这些指标适用于9个数据集提取的最近的基准文献。我们还说明了错误集之间的相关性可能包含有用的信息的基准数据集的质量,特别是当实验数据用作参考。
2020-03-03 physics.chem-ph physics.data-an
Science Done on a Machine by a Machine: AI Agents in Computational Chemistry
State Key Laboratory of Physical Chemistry of Solid Surfaces(固体表面物理化学国家重点实验室);College of Chemistry(化学学院);Xiamen University(厦门大学);School of Physics, Anhui University(安徽大学物理学院)
该文综述了截至2026年8月计算化学AI智能体的发展现状,指出其正从辅助任务向自主科研迈进,通用智能体或取代专用系统,引发领域未来走向的困惑。
2026-10-06 cs.AI physics.chem-ph physics.comp-ph
Leveraging the Super Instruction Architecture to Develop Massively Parallel Computational and Environmental Chemistry Applications
开发高性能并行软件的任务必须变得更容易和更具成本效益,以充分利用现有的和新兴的大规模计算机系统的科学进步。超级指令架构是一个并行编程平台,面向需要在计算期间管理存储在潜在稀疏多维数组中的大量数据的应用程序。SIA平台最初是为量子化学软件包ACESIII设计的。最近,SIA被重新实施,以克服原来ACESIII计划的局限性。它现在已经成功地应用于新的Aces 4量子化学软件包和大气传输应用程序MATCHOS的开发,从而证明了SIA方法的多功能性。MATHEMATICAL计算100- 1000平方公里范围内区域的质量传输和分散,是对现有社区代码的重大改进。本文介绍了结果的运输和分散的应用,以及一些困难的量子化学开壳耦合集群基准计算使用Aces 4。
2020-03-03 physics.chem-ph physics.comp-ph
The long road to calibrated prediction uncertainty in computational chemistry
计算化学中的不确定性量化(UQ)尚处于起步阶段。很少有CC方法被设计为提供其预测的置信水平,并且大多数用户仍然不正确地依赖于平均绝对误差作为准确度度量。可靠的不确定性量化方法的发展是必不可少的,特别是在工业过程中自信地使用计算化学。对CC-UQ文献的回顾表明,没有通用的标准程序来报告或验证预测不确定性。我在这里考虑使用气象学和机器学习中开发的概念(校准和锐度)来验证概率预报员的分析工具。这些工具适用于CC-UQ,并应用于复合方法,贝叶斯集成方法,机器学习和后验统计方法提供的预测不确定性数据集。
2022-03-18 physics.chem-ph physics.data-an
Computational Chemistry as Voodoo Quantum Mechanics : Models, Parameterization, and Software
计算化学在“桌面建模”的新时代发展,这与建模软件的需求不断增长相吻合,特别是制药行业。在计算化学模型的参数化是一项艰巨的事业,我们认为,这项活动导致,在这种特定的背景下,科学家之间的紧张关系,缺乏认识的透明度参数化的方法和软件实现它们。为了明确这些紧张关系,我们依赖于一个适合揭示它们的语料库,即计算化学邮件列表(CCL),一个专业的科学讨论论坛。我们从这个语料库中涉及一个火焰战争,以详细评估建模方法,参数化,软件和各种形式的封闭或披露之间的关系。我们的主张是,参数化问题是认识不透明性的来源,这种不透明性是纠缠在方法和软件一样。模型和软件必须一起解决,以理解知识论的紧张关系。
2018-12-03 physics.chem-ph physics.hist-ph physics.soc-ph
Machine learning the computational cost of quantum chemistry
基于计算量子力学的分子和材料设计活动消耗越来越多的高性能计算资源,使得改进的作业调度效率是期望的,以便减少碳足迹或浪费性支出。我们介绍了量子机器学习(QML)模型的计算成本的常见量子化学任务。对于2D非线性玩具系统、单点、几何优化和过渡态计算,壁时间的QML模型的样本外预测误差随着训练集大小系统地衰减。我们提出了一个玩具系统,包含两个功能和三个常用的优化和数以千计的有机分子系统,包括封闭和开放的壳层平衡结构,以及过渡态的数值证据。考虑的电子结构理论水平包括B3 LYP/def 2-TZVP、MP2/6- 311 G(d)、局域CCSD(T)/VTZ-F12、CASSCF/VDZ-F12和MRCISD+Q-F12/VDZ-F12。与传统的无差别作业处理相比,基于QML的壁时间预测在仅对数千个分子进行训练后显著提高了所有任务的作业调度效率。由此产生的CPU时间开销减少了10%到90%。
2019-12-19 physics.chem-ph physics.comp-ph
Using the Gini coefficient to characterize the shape of computational chemistry error distributions
误差分布是计算化学方法评估和基准测试的中心目标。普遍且经常盲目地使用平均无符号误差作为基准统计量,导致忽略影响测试方法可靠性的分布特征。我们探讨如何基尼系数提供了一个全球代表性的错误分布,但除了极端值,并不能使一个明确的诊断。我们建议通过将基尼系数应用于以模式为中心的误差分布来减轻这种模糊性。此版本可以有效地补充基准测试统计数据,并对具有潜在问题形状的错误集发出警报。
2020-12-17 physics.chem-ph physics.data-an
Surface astrochemistry: a computational chemistry perspective
太空中的分子是通过各种各样的气相反应和尘埃颗粒表面的反应合成的,尘埃颗粒表面充当催化剂。特别是,饱和的富氢分子通过表面化学形成。天体化学模型已经发展了几十年,以了解分子过程中的星际介质,考虑到粮食表面化学。然而,气体颗粒模型的基本输入信息,如分子的结合能的表面,已经从实验中得出的只有少数物种,留下了数百种高度不确定的估计。此外,一些基本的过程没有足够好的约束,以实现这些模型。会议记录给出了三个例子如何计算化学技术可以帮助回答有关粮食表面化学的基本问题。
2022-02-10 astro-ph.GA astro-ph.SR physics.chem-ph
Orbital-interaction-aware deep learning model for efficient surface chemistry simulations
State Key Laboratory of Green Chemical Engineering and Industrial Catalysis, center for Computational Chemistry and Research Institute of Industrial Catalysis, East China University of Science and Technology(华东理工大学);State Key Laboratory of Synergistic Chem-Bio Synthesis, School of Chemistry and Chemical Engineering, Shanghai Jiao Tong University(上海交通大学)
本文提出DOTA模型,通过捕捉轨道相互作用模式,实现高效且精确的表面化学模拟,解决吸附能预测中的长期挑战。
2026-03-11 cond-mat.dis-nn cond-mat.mtrl-sci physics.chem-ph
Utility-scale quantum computational chemistry
ETH Zurich(苏黎世联邦理工学院)
本文探讨量子计算在大规模应用中的潜力,强调算法需支持高效整合量子加速计算至高通量流程,以实现实际社会价值。
2026-03-19 cond-mat.str-el physics.chem-ph physics.comp-ph
iGVPT2 : an interface to computational chemistry packages for anharmonic corrections to vibrational frequencies
iGVPT 2是一个用于计算振动频率的非谐修正的程序,该程序基于法向模式坐标中势能面的力场展开。它包括二阶振动微扰理论(VPT 2)算法及其衍生方法(VPT 2 +K,DCPT 2,HDCPT 2)。iGVPT 2与几个计算化学软件包连接,以计算势能和偶极子导数。二阶、三阶和四阶导数可以在相同的理论水平上计算,但它们也可以通过一个或两个计算软件包使用不同的方法计算。iGPVT 2还包括用于生物分子的非常快速的混合QM//MM方法。它免费提供给非商业性研究(见\url{https://sites.google.com/site/allouchear/igvpt2})。
2017-04-07 physics.chem-ph
Condensed-Phase Quantum Chemistry
本文为分子量子化学研究者总结了凝聚相量子化学的基础知识,重点介绍了源自分子量子化学的计算技术(如求解电子排斥积分瓶颈、杂化密度泛函与波函数方法及周期性系统晶格动力学),并指出了当前挑战与开放性问题。
2024-03-19 physics.chem-ph physics.comp-ph
COMET: A Domain-Specific Compilation of High-Performance Computational Chemistry
过去几十年来计算能力的提高极大地增强了模拟化学反应和理解更复杂转化的能力。张量收缩是这些模拟的基本计算构建块。这些模拟通常被绑定到一个平台,并受到提供给用户的界面的一般性限制。加速器和研究人员需求的日益普及需要一种更通用的方法,这种方法不依赖于特定的硬件,也不需要将算法扭曲到特定的硬件平台。在本文中,我们提出了COMET,一个特定领域的程序设计语言和编译器基础设施的张量收缩目标异构加速器。我们提出了一个通过多层抽象和优化逐步降低的系统,对于计算化学及其他领域常用的30个张量收缩,该系统实现了高达1.98倍的加速。
2021-02-13 cs.MS physics.chem-ph
Generative artificial intelligence for computational chemistry: a roadmap to predicting emergent phenomena
University of Maryland(马里兰大学);Institute for Physical Science and Technology(物理科学与技术研究所);University of Maryland Institute for Health Computing(马里兰大学健康计算研究所);Department of Chemistry and Biochemistry(化学与生物化学系);Department of Physics(物理系);Biophysics Program(生物物理学项目)
本文系统梳理了生成式AI在计算化学中的应用现状,指出其真正具备预测能力前必须克服预测涌现现象的核心挑战,并提出未来模型应整合统计力学等化学原理。
2024-09-04 cond-mat.dis-nn cond-mat.stat-mech cs.LG
From Prescriptive to Predictive: an Interdisciplinary Perspective on the Future of Computational Chemistry
从纳米级工程到新材料的验证,再到健康和医学领域的纳米毒性评估,对化学系统行为的可靠预测在许多行业中都至关重要。因此,对于未来,我们设想了一个范式转变的设计化学模拟在所有长度尺度从规定到预测和定量科学。本文提出了一个综合的角度来看,国家的最先进的建模计算和理论化学的例子,从数据和方程为基础的模型。扩展到包括可靠的风险评估和质量控制进行了讨论。为了在可靠和强大的分子模拟的设计周期中指定和扩展化学准确性的概念,计算化学,物理学,数学,可视化科学和工程领域被桥接。从电子结构计算的方法作为例子来解释如何产生不确定性:通过假设的机制的形式方程,模型参数,算法和数值实现。我们提供了整个化学建模周期的不确定性的完整分类,并讨论了如何减轻相关风险。此外,我们适用于我们的声明分子动力学和偏微分方程为基础的方法。从数值数学和统计方法的概述提供了战略,以分析风险和潜在的错误,在设计的新材料和化合物。我们还涉及确认和验证的方法。在结论中,我们解决了跨学科的开放性挑战。在未来,模拟和预测失败的定量分析将为预测材料工程和化学建模打开大门。
2021-03-04 physics.chem-ph physics.comp-ph
Perspective on integrating machine learning into computational chemistry and materials science
机器学习(ML)方法几乎被用于电子结构理论和分子模拟的每一个可能的领域。特别是,ML已经牢固地建立在高维原子间势的建设。没有一天没有发表另一个关于ML方法如何表示和预测量子力学性质的原理证明-无论它们是可观察的,如分子极化率,还是不可观察的,如原子电荷。随着ML在电子结构理论和分子模拟中变得越来越普遍,我们概述了原子计算建模如何通过纳入ML方法进行改造。从该领域从业者的角度来看,我们评估了预测结构,动力学和光谱学的常见工作流程如何受到ML的影响。最后,我们讨论了如何实现ML方法与计算化学和材料科学的更紧密和持久的整合,以及这对研究实践,软件开发和研究生培训意味着什么。
2021-06-21 physics.chem-ph
Stochastic tensor contraction for quantum chemistry
Division of Chemistry and Chemical Engineering, California Institute of Technology(加州理工学院化学与化学工程系);Marcus Center for Theoretical Chemistry, California Institute of Technology(加州理工学院马库斯理论化学中心)
本文提出随机张量收缩方法,用于降低高阶张量收缩的计算成本,应用于耦合簇理论,实现更精确的计算并挑战现有成本与精度关系。
2026-05-07 cond-mat.str-el physics.chem-ph physics.comp-ph
TenCirChem: An Efficient Quantum Computational Chemistry Package for the NISQ Era
本研究推出面向NISQ时代的开源量子计算化学Python库TenCirChem,支持高性能变分量子算法模拟、含噪声线路、变分量子动力学及真实硬件实验,覆盖多类典型化学计算场景。
2023-06-15 physics.chem-ph quant-ph
ChemGraph: An Agentic Framework for Computational Chemistry Workflows
Argonne National Laboratory(阿贡国家实验室)
本文提出 ChemGraph 智能体框架,结合图神经网络基础模型与 LLM 多智能体规划推理,自动化多方法计算化学工作流,并在 13 项基准上验证模型规模与任务分解的效果。
2025-06-03 cond-mat.mtrl-sci cs.AI cs.LG
The off-diagonal low rank property: new opportunities for low-scaling computational chemistry methods
Qingdao Institute for Theoretical and Computational Sciences, Center for Optics Research and Engineering, Shandong University(青岛理论计算科学研究所,光学工程研究中心,山东大学)
本文指出计算化学中多种矩阵具非对角低秩(ODLR)性质,综述其数学应用并首次证明福克矩阵等满足该性质,为无隙体系线性标度电子结构计算开辟新路径。
2026-08-28 math-ph math.MP physics.chem-ph
Linear-Scaling Quantum Circuits for Computational Chemistry
本文针对计算化学提出原紧凑量子电路的近似版本,在selected projective quantum eigensolver框架下进一步减少CNOT数量,同时保持能量精度并使对称性破缺可忽略。
2023-04-25 physics.chem-ph quant-ph
Tensorized orbitals for computational chemistry
Univ. Grenoble Alpes, CEA, Grenoble INP, IRIG, PHELIQS(格勒诺布尔阿尔卑斯大学、法国原子能和替代能源委员会、格勒诺布尔理工学院);Université Grenoble Alpes, CNRS, Institut Néel(格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、尼尔研究所)
本文提出了一种基于张量网络技术的轨道表示方法,用于构建更精确且紧凑的基组,从而显著提高了计算精度。
2026-02-03 cond-mat.str-el physics.chem-ph physics.comp-ph
Enhancing PySCF-based Quantum Chemistry Simulations with Modern Hardware, Algorithms, and Python Tools
本文面向基于 PySCF 的量子化学模拟,从 GPU 加速、关键电子结构算法优化及 JIT、自动微分等 Python 工具三方面提出性能与开发效率改进指南。
2025-06-07 physics.chem-ph
ACCDB: A Collection of Chemistry DataBases for Broad Computational Purposes
本研究提出化学数据库集合ACCDB,收录44931个高于DFT理论水平的参考数据点,涵盖多类数据库与过渡金属数据,配套可扩展处理工具,并完成商用CPU化学计算基准测试。
2018-10-09 physics.chem-ph
Deep Learning for Computational Chemistry
Pacific Northwest National Laboratory(太平洋西北国家实验室)
人工神经网络的兴起和衰落在计算机科学和计算化学的科学文献中都有很好的记载。然而近二十年后,我们现在看到对深度学习的兴趣重新抬头,深度学习是一种基于多层神经网络的机器学习算法。在过去的几年里,我们已经看到了深度学习在许多领域的变革性影响,特别是在语音识别和计算机视觉领域,以至于这些领域的大多数专家从业者现在经常避开先前建立的模型,而倾向于深度学习模型。在这篇综述中,我们对深度神经网络的理论及其独特的特性进行了介绍性概述,这些特性将它们与化学信息学中使用的传统机器学习算法区分开来。通过概述深度神经网络的各种新兴应用,我们强调了它的普遍性和广泛适用性,以应对该领域的广泛挑战,包括QSAR,虚拟筛选,蛋白质结构预测,量子化学,材料设计和性能预测。在审查深度神经网络的性能时,我们观察到在不同的研究主题中,与非神经网络最先进的模型相比,基于深度神经网络的模型的性能始终优于非神经网络模型,并且基于深度神经网络的模型通常超过其各自任务的“玻璃天花板”预期。再加上GPU加速计算用于训练深度神经网络的成熟性以及训练这些网络的化学数据的指数增长,我们预计深度学习算法将成为计算化学的一个有价值的工具。
2017-01-17 cs.AI cs.CE cs.LG
Limitations of Hartree-Fock with quantum resources
哈特里-福克问题为量子化学的很大一部分提供了概念和数学基础。随着量子技术的努力旨在增强计算化学算法,基本的Hartree-Fock问题是一个自然的目标。虽然量子计算机和量子模拟为现代化学的未来提供了许多前景,但哈特里-福克问题并不是一个可能的候选者。我们强调这一事实,从多个角度,包括计算的复杂性,实际的例子,并充分表征简单系统的能源景观。
2020-07-19 physics.chem-ph physics.comp-ph quant-ph
Probabilistic performance estimators for computational chemistry methods: the empirical cumulative distribution function of absolute errors
计算化学中的基准研究使用参考数据集通过误差统计来评估方法的准确性。常用的误差统计,如平均有符号误差和平均无符号误差,并不告知最终用户这些方法所附带的预测误差的预期幅度。我们发现,模型误差的分布既不是正态分布,也不是零中心分布,这些误差统计量不能用来推断预测误差概率。为了克服这一限制,我们提倡使用更多的信息统计,基于经验累积分布函数的无符号误差,即(1)概率为一个新的计算有一个绝对误差低于选定的阈值,(2)最大幅度的错误,可以预期与选定的高置信水平。这些统计数据也被证明非常适合基准和排名研究。此外,所有基准测试统计数据的标准误差取决于参考数据集的大小。系统地公布这些标准误差将非常有助于评估基准结论的统计可靠性。
2018-01-10 physics.chem-ph physics.data-an
Probabilistic performance estimators for computational chemistry methods: Systematic Improvement Probability and Ranking Probability Matrix. I. Theory
基准误差集的比较是计算化学理论评价的重要工具。由于与误差分布的非正态性和潜在趋势的存在有关的几个原因,按其平均无符号误差对方法进行的标准排序是不令人满意的。最近提出了补充统计量来弥补这些不足,例如绝对误差分布的分位数或平均预测不确定性。我们在这里介绍了一个新的分数,系统改善概率(SIP)的基础上,直接系统明智的比较绝对误差。与所选择的评分规则无关,由于基准数据集的不完整性而导致的统计数据的不确定性也通常被忽视。然而,这种不确定性对于评价排名的稳健性至关重要。在本文中,我们开发了两个基于稳健统计的指标来解决这个问题:P_{inv},两个统计值之间的反转概率,以及\mathbf{P}_{r},排名概率矩阵。我们还证明了这些分数比较中错误集之间的相关性的重要贡献。
2020-09-28 physics.chem-ph physics.data-an stat.ME
Searching for stable fullerenes in space with computational chemistry
我们报告了一个计算研究的稳定性和红外(IR)振动光谱的中性和单电离富勒烯笼含有44和70个碳原子之间。稳定性的特征在于每个CC键的标准生成焓、HOMO-LUMO间隙和消除C $_2$片段所需的能量。我们比较了模拟的红外光谱的富勒烯物种观察到的几个行星状星云(Tc 1,SMP SMC 16,和SMP LMC 56),其中强C $_{60}$发射已被检测到的发射光谱。虽然我们无法最终确定C $_{60}$和C $_{70}$以外的富勒烯,但我们的结果表明,在这些天体中可能存在较小的(44,50和56个原子)笼。当詹姆斯·韦伯太空望远镜上线时,我们的预测将有可能得到观测证实。
2019-02-08 astro-ph.GA physics.chem-ph
Prediction uncertainty validation for computational chemists
预测不确定度的验证已成为现代计算化学的一项重要任务。旨在量化气象预测的可靠性,校准-锐度(CS)框架现在被广泛用于优化和验证不确定性感知机器学习(ML)方法。然而,它的应用并不局限于ML,它可以作为任何PU验证的原则框架。本文旨在逐步介绍CS框架中PU验证的概念和技术,以适应计算化学的具体情况。所提出的方法范围从基本的图形检查到更复杂的基于本地校准统计。介绍了紧度的概念。该方法在合成数据集上进行了说明,并应用于从计算化学文献中提取的不确定性量化数据。
2022-09-30 physics.chem-ph physics.data-an
Computational Insights into PEMFC Durability: Degradation Mechanisms, Interfacial Chemistry, and the Emerging Role of Machine Learning Potentials
Organization for Research and Development of Innovative Science and Technology, Kansai University(关西大学创新科学技术研发组织);Department of Chemistry and Materials Engineering, Faculty of Chemistry, Materials and Bioengineering, Kansai University(关西大学化学·材料·生物工程学院化学与材料工程系)
本文通过计算模型探讨PEMFC退化机制,分析化学、机械、电化学及污染驱动的退化过程,并提出多尺度建模和机器学习势的应用方向。
2026-03-27 cond-mat.mtrl-sci physics.chem-ph
Combined first--principles calculation and neural--network correction approach as a powerful tool in computational physics and chemistry
尽管他们的成功,第一性原理量子力学计算的结果包含固有的数值误差所造成的各种近似。我们在这里提出了一个神经网络算法,以大大减少这些固有的错误。作为示范,这种结合量子力学计算和神经网络校正的方法被应用于180个有机分子在298 K下的标准生成热$\DelH$和标准生成吉布斯能$\DelG$的评估。一个显着减少的数值误差清楚地表明与系统偏差被消除。例如,计算的$\DelH$的均方根偏差180个分子的($\DelG$)从21.4(22.3)kcal $\cdotp$ mol $^{-1}$至3.1(3.3)kcal $\cdotp$ mol $^{-1}$,用于B3 LYP/6-311+G({ \it d,p})和12.0(12.9)kcal $\cdotp$ mol $^{-1}$至3.3(3.4)神经网络校正前后B3 LYP/6-311+G的kcal $\cdotp$ mol $^{-1}$(3{ \it df},2 { \it p})。
2003-06-10 physics.chem-ph physics.comp-ph physics.data-an
El Agente Quntur: A research collaborator agent for quantum chemistry
University of Toronto(多伦多大学);Vector Institute for Artificial Intelligence(向量人工智能研究所);Canadian Institute for Advanced Research (CIFAR)(加拿大高级研究 institute);NVIDIA;Institute of Medical Science(医学科学研究所)
本文提出El Agente Quntur,一种多代理AI系统,旨在通过推理驱动决策和指导深度研究,提升量子化学计算工具的可访问性与实用性。
2026-09-14 cs.AI cs.MA physics.chem-ph
Accelerating Stochastic Quantum Chemistry
利用拟牛顿传播(QN)加速全组态相互作用量子蒙特卡罗(FCIQMC)的收敛,该方法也可应用于耦合团簇蒙特卡罗(CCMC)。这种优化传播的计算缩放是O(1),将额外的计算成本保持在最低限度。它的影响进行了研究确定性和随机的模型系统,均匀的电子气,希尔伯特空间大小高达$10^{40}$,并显示出加速收敛的瞬时投影能量超过一个数量级的FCIQMC测试用例。它的能力,然后证明与FCIQMC上的一个典型的量子化学问题,铬二聚体,在一个全电子的基础上与希尔伯特空间大小约$10^{22}$产生高度准确的FCI能量。
2019-10-11 cond-mat.str-el physics.chem-ph physics.comp-ph
Big Data meets Quantum Chemistry Approximations: The $Δ$-Machine Learning Approach
本文提出Δ-机器学习方法,将机器学习修正叠加到低成本近似量子化学方法上,以低计算成本实现对大规模分子焓、自由能、熵和电子相关能的高精度预测,并验证了其可迁移性。
2015-03-17 physics.chem-ph
QCBench: Evaluating Large Language Models on Domain-Specific Quantitative Chemistry
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Fudan University(复旦大学);Wuhan University(武汉大学);Xidian University(西安电子科技大学);Tsinghua University(清华大学);Nanjing University(南京大学)
本文提出面向定量化学的基准 QCBench,包含跨7个子领域的350道计算化学问题,以系统评估24个大型语言模型的数学推理能力,揭示了模型在任务复杂性增加时性能下降及语言流畅性与科学计算准确性间的差距。
2025-10-04 cs.AI physics.chem-ph
A mathematical and computational review of Hartree-Fock SCF methods in Quantum Chemistry
本文对量子化学中Hartree-Fock理论的基本问题作一综述。从分子哈密顿量出发,利用和讨论玻恩-奥本海默近似,我们得到了电子问题的Hartree和Hartree-Fock方程。特别强调的是放在最相关的数学方面的理论推导的最终方程,以及在结果的存在性和唯一性,他们的解决方案。所有的Hartree-Fock版本与不同的自旋限制系统地提取的一般情况下,从而提供了一个统一的框架。然后,回顾了单电子轨道空间的离散化,并介绍了Roothaan-Hall形式。这导致了有关高斯基集的构造和选择的基本概念的阐述,重点是算法效率问题。最后,我们在评论的最后一节中对最相关的现代发展(特别是与线性尺度方法设计相关的发展)进行了评论,并将其与所讨论的问题联系起来。整个工作是故意介绍和相当独立的,所以它可能是有用的非专家,旨在使用量子化学方法在跨学科的应用。此外,许多分散在文献中的材料已经放在一起,以方便理解,并作为一个方便的参考。
2007-12-19 cond-mat.other physics.chem-ph physics.comp-ph
Hybrid Quantum Algorithms for Computational Chemistry: Application to the Pyridine-Li ion Complex
Yonsei University(延世大学);IBM Quantum, Tokyo, Japan(IBM量子,日本东京);Institute of Quantum Information Technology, Yonsei University(延世大学量子信息技术研究所)
本文提出混合量子算法用于计算化学,通过VQE、SQD和HI-VQE方法研究吡啶-锂离子复合物,克服传统方法的可扩展性限制,实现更精确的分子能量计算。
2026-01-15 physics.chem-ph quant-ph
Neural Network Potentials for Chemistry: Concepts, Applications and Prospects
人工神经网络(ANN)已经大量涉及计算化学领域中频繁任务的方法和应用,例如势能面(PES)的表示和光谱预测。这种观点提供了一个基于神经网络的全维势能面的基础,其架构,基本概念,其表示和应用化学系统的概述。PES建设的数据生成和培训程序的方法进行了讨论,并提出了通过迁移学习的错误评估和细化的手段。最近的结果的选择说明了最新的改进PES表示和系统大小的限制,在动力学模拟的准确性,而且神经网络的应用,使直接预测的物理结果,而无需动力学模拟。其目的是提供一个概述目前国家的最先进的NN方法在计算化学,并指出目前的挑战,提高可靠性和适用性的NN方法在更大的规模。
2022-12-22 physics.chem-ph
Hunting Structural Demons in Digital Reticular Chemistry: Lessons from Metal-Organic Frameworks
Department of Chemistry, Ulsan National Institute of Science and Technology(蔚山科学技术院化学系)
研究探讨了数字网状化学中结构错误的来源、发现与预防方法,指出通过整合衍射数据与合成细节、保持数据库整理一致性及拓扑学筛选可减少无效结构。
2026-04-22 cond-mat.mtrl-sci physics.chem-ph
Quantum Chemistry Calculations using Energy Derivatives on Quantum Computers
量子化学计算,如分子性质的预测和化学反应的建模,是近期量子计算机可以展示量子优势的几个关键领域。基于变分量子本征求解器(VQE),提出了一种计算基态和激发态能量对化学体系参数的能量导数的方法.设计了一种混合变分范式下的量子线路的低深度实现,并分析了其计算代价。通过将该方法应用于能量衍生物的量子化学关键应用中,如H $_2$分子的最小能量构型搜索和分子响应性质估计,以及H $_2$ + H $\leftrightarrow$ H + H $_2$反应的过渡态的寻找,展示了该方法的有效性.所得到的结果示出与它们各自的全组态相互作用(FCI)值是完全一致的。
2021-06-10 physics.chem-ph quant-ph
MLatom 3: Platform for machine learning-enhanced computational chemistry simulations and workflows
Xiamen University(厦门大学);Aix Marseille University(艾克斯-马赛大学);CNRS(法国国家科学研究中心);Institut Universitaire de France(法国大学研究院);Carnegie Mellon University(卡内基梅隆大学);Xiamen Double Ten Middle School(厦门双十中学);Peking University(北京大学);Neotrident (Suzhou) Co., Ltd.(新智认知(苏州)有限公司);Anhui University(安徽大学);Alstom Transport S.A.(阿尔斯通运输公司);Shanghai Mayoo Technology Inc(上海迈优科技有限公司)
本研究推出开源程序包MLatom 3,支持多方式使用与云平台运行,集成多种预训练ML模型和量子力学方法,可增强计算化学模拟并支持自定义工作流开发。
2023-10-31 cs.AI physics.chem-ph
Ultra-Fast Semi-Empirical Quantum Chemistry for High-Throughput Computational Campaigns with Sparrow
本文针对高通量计算需求,研究了各种半经验近似对计算速度的影响及数据传输速率,并将相关模型集成到开源软件SCINE Sparrow中,以实现超快量子化学计算。
2023-04-10 physics.chem-ph physics.comp-ph
Photooxidation of water with heptazine-based molecular photocatalysts: Insights from spectroscopy and computational chemistry
我们提出了一个最近的联合光谱和计算的研究,提供了新的见解的氢键复合物的heptazine(Hz)的发色团与羟基底物分子(水和苯酚)的光化学的概论。发现Hz的功能化衍生物三茴香醚庚嗪(TAHz)可以在均相光化学反应中光氧化水和苯酚。这允许探索的基本机制的质子耦合电子转移(PCET)过程中参与的水的光氧化反应在定义明确的化学可调的分子生色团与化学可调的基板分子的配合物。Hz分子及其衍生物的激发电子态的独特性质被突出显示。的势能景观相关的PCET反应的特点是明智的计算研究。这些数据提供了合理的激光控制的PCET反应TAHz-苯酚配合物的泵推探测光谱,揭示了发生的非反应性的局部激发态的发色团与反应性分子间电荷转移状态的相互作用的分支机制的演示的基础。从这些结果外推,我们提出了一个一般的情况下,解开复杂的光诱导水裂解反应成简单的顺序光驱动的单电子氧化还原反应,然后由简单的黑暗自由基自由基重组反应。
2020-06-30 physics.chem-ph
Improved decision making with similarity based machine learning: Applications in chemistry
本文提出基于相似性的机器学习方法,通过按查询邻近性即时选数训练,解决化学数据稀缺下的决策问题,并应用于分子设计与合成规划。
2023-11-29 physics.chem-ph
The Bethe-Salpeter Equation Formalism: From Physics to Chemistry
Bethe-Salpeter方程(BSE)形式主义是稳定地断言自己作为一个新的有效和准确的工具,在合奏的计算方法,以预测分子系统中的光激发化学家。特别是,结合所谓的$GW$近似,提供可靠的电离能和电子亲和力,和BSE形式主义,能够模拟UV/Vis光谱,已被证明提供准确的单重激发能与$0.1$ - $0.3$ eV的典型误差。与时间相关密度泛函理论(TD-DFT)的计算成本相似,BSE能够提供与最准确的全局和范围分离的混合泛函相当的精度,而无需对交换相关泛函进行令人不安的选择,解决了进一步的已知问题(\textit{e.g.},电荷转移激发)。在这篇\textit{Perspective}文章中,我们提供了BSE的历史概述,特别关注其凝聚态根源。我们还建议在不同的化学品情况下,它的优点和缺点的关键审查。
2020-08-08 cond-mat.mtrl-sci cond-mat.str-el physics.chem-ph
Brick by Brick Computation of the Gibbs Free Energy of Reaction in Solution Using Quantum Chemistry and COSMO-RS
反应的计算模型在理论上很简单,但在实践中可能相当棘手。本文旨在为从理论上描述反应的正确方式提供帮助,并为所涉及的计算方法提供粗略的指导。液相化学平衡中的反应可以用吉布斯反应自由能来描述。该性质可以分为三个分离项的总和,即气相反应能、有限温度对吉布斯自由能的贡献和溶剂化的吉布斯自由能。这三种贡献对反应吉布斯自由能的贡献可以分别用不同的理论化学计算方法计算。虽然这些条款中的一些可以通过计算成本低的方法可靠地获得,但对于其他人来说,需要高水平的理论来获得定量质量的预测。为了提出可以在精度和计算成本之间取得平衡的工作流程,给出了一些评估不同理论水平精度的基准。作为说明性实例,示出了在溶剂甲苯中乙醛至乙醇的低温氢化反应。
2017-02-13 physics.chem-ph
From Generalist to Specialist: A Survey of Large Language Models for Chemistry
Shanghai Jiao Tong University(上海交通大学);Suzhou Laboratory(苏州实验室)
本文系统综述了面向化学的大型语言模型,涵盖领域知识与多模态信息融入方法、化学智能体工具使用、评估基准及未来挑战,旨在推动化学 LLMs 的创新应用。
2024-12-28 cs.AI cs.CL cs.LG