XiaoMi-AI文件搜索系统
World File Search System量子化学
量子化学预训练对药理特性预测的有效性
原则上，量子化学使我们能够量化分子及其相互作用的所有电子和几何特性。因此，将预先计算的量子力学特性纳入深度学习模型可以提高其预测小分子和潜在药物重要药理特性的能力。然而，在最近一波由人工智能驱动的药物发现中，这一机会尚未得到充分利用。我们表明，通过预先训练等变图神经网络 (EGNN) 模型来预测已使用量子力学方法预先计算的原子中心部分电荷，我们可以获得更准确的模型来预测吸收、分布、代谢、排泄和毒理学 (ADMET) 特性。我们比较了量子化学预训练与非量子力学预训练以及完全没有预训练的性能，发现量子化学预训练可以生成最准确的亲脂性、血脑屏障穿透、CYP2D6 代谢和毒性模型；而对于更具挑战性的肝细胞清除率预测任务，其性能与非预训练模型非常相似。通过使用基于量子化学的预训练来预测原子级和分子级特性，我们获得了比没有预训练更丰富的分子表示，这有助于我们的模型从底层物理和化学中学习。
叠氮化物辅助腐蚀通过生物活性金属复合物抑制碳钢 - 量子化学研究
（2023年8月12日收到； 2024年4月19日修订； 2024年4月21日接受）。摘要：在各种工业应用中，碳钢的腐蚀是一个重要的问题，有效的腐蚀抑制剂的发展对于缓解此问题至关重要。近年来，由于其独特的特性和环保性，生物活性金属复合物已成为有前途的腐蚀候选者。旨在研究腐蚀抑制剂的活性和有效性。通常，抑制剂在表面吸附特性上工作。在这里，我们专注于通过理论方法研究金属表面上的抑制剂吸附活性。Schiff碱化合物与金属表面的相互作用非常好。抑制剂的相互作用是通过密度功能理论研究借助 *dxvvldq dqg $ ffhou \ v 0dwhuldo 6wxglr）urp wkh fdofxodwlrq ri +202 /802 /802ǻ（ǻ1dqg fukui seltifity confffect function 2 complect formity conffffle 理论计算的很短的时间显然告诉我们有关Schiff碱基复合物的抑制剂活性。理论计算的很短的时间显然告诉我们有关Schiff碱基复合物的抑制剂活性。
量子化学和化学信息学...
一个世纪前，量子力学诞生时，狄拉克声称发现了化学的基本原理，即原子和分子水平上的材料科学——但他也承认，要将其全面应用，需要开发有效的计算技术。接下来的十年记录了信息科学的诞生（冯·诺依曼和维格纳是这两门科学的创始人之一）：化学的发展和应用变得至关重要，如今已经成熟：量子化学解释和预测了在行星大气和星际介质的稀薄环境中发生的各种新现象，包括与热和非平衡等离子体相关的现象；新兴任务被强加给生物化学家，这对生命和健康科学来说是必需的工具；固体导体和半导体的电磁特性在光电应用方面的研究十分活跃；当前的圣杯是支持量子计算开发的化学硬件，微观、中观和宏观尺度的物理化学模型可以让人们积累大量数据——它们只能通过化学信息学方法来处理，以审查材料或分子的性质；既利用强大的机器学习方法获取原本无法获得的信息，又通过人工智能方法揭示行为的隐藏相关性和普遍性，而这些在当前复杂性理论的非线性方程中是模糊的。
教学大纲化学3060量子化学和...
课程类型和现场，但是所有内容都将通过课程帆布网站在线获得。讲座也将在Zoom上实时流式传输，因此您可以虚拟地参加（可以在课程Canvas网站上找到链接和密码详细信息）。讲座录音将在画布上找到（鼓励您在考试前使用它们来审查材料，等等）。Lectures (section ‐001) will take place on MoWeFr, 8:35‐9:25am in JTB 140 Discussion A (section ‐002) will take place TuTh, 8:35am‐9:25am in CSC 205 Discussion B (section ‐003) will take place TuTh, 9:40am‐10:30am in LCB 219 Contingency plans If you are ill (COVID or otherwise) please use远程出勤选项和/或请求住宿（通过通过画布给我发电子邮件）。我意识到，不仅在您需要孤立时，而且还需要看守责任等，也可能是必要的。如果天气恶劣，安全是当务之急。我们可能需要快速旋转到在线会话，录制或重新安排。公告将发布在画布上。技术考虑：请熟悉帆布课程平台和Zoom。所有班级公告，作业和等级将通过画布提供。请确保经常检查课程网站并启用通知。我们还将讨论量子力学的实验基础和含义，重点是光谱观测。先决条件：我们将基于您在一般化学和（经典）物理，微积分，微分方程和线性代数中获得的知识。For technical assistance, review the Canvas Getting Started Guide for Students and/or contact the TLT office ( https://tlt.utah.edu/ ) Course Description: This 4‐unit course covers an introduction to quantum mechanics, including fundamental theorems and postulates, exact solutions to model problems, time propagation, relations between wave functions and potentials, the hydrogen atom, approximation methods (numerical finite differences,扰动理论，变异定理），多电源原子和角动量的耦合。本课程涵盖了对化学家，物理学家和工程师有用的主题，并为分子电子结构和时间依赖性量子力学等主题提供了必不可少的背景。您将需要获得：1。c-或在Chem 1220或Chem 1221（或AP Chem分数为5）中的更好c-或更好的物理2220或Phys 3220 3。要么：3.a）C或在数学1260或数学1321或数学2210 3.b）或C-或更好的数学2250或MATH 3140或MATH 3150
量子化学中激发态的全电路量子算法
利用量子计算机研究量子化学是当今的一个重要的研究领域。除了广泛研究的基态问题外，激发态的确定在化学反应和其他物理过程的预测和建模中起着至关重要的作用。本文提出了一种基于非变分全电路的量子算法来获得量子化学哈密顿量的激发态谱。与以前的经典-量子混合变分算法相比，我们的方法消除了经典的优化过程，减少了不同系统之间相互作用带来的资源成本，实现了更快的收敛速度和更强的抗噪性，没有贫瘠的平台。确定下一个能级的参数更新自然取决于前一个能级的能量测量输出，并且只需修改辅助系统的状态准备过程即可实现，几乎不会引入额外的资源开销。本文给出了氢、LiH、H2O 和 NH3 分子算法的数值模拟。此外，我们还提供了一个示例
使用吡唑衍生物对碳钢腐蚀的腐蚀：重量法，电化学，表面研究与量子化学的相关性
摘要 - 当前的论文围绕新合成的生态友好的吡唑衍生物的进行，N - （（3,5二甲基-1H-1H-吡唑-1-甲基）甲基）-4-硝基苯胺（L5），作为碳钢（CS）的腐蚀剂（CS）在摩尔羟基含量（CS）中。化学和电化学技术，即减肥测量（WL），电力动力学极化（PDP）和电化学障碍光谱光谱（EIS）均用于评估L5分子的效率，以及量子化学方法。有机化合物被确认为良好的抗腐蚀化合物，在10 -3 m时最大抑制效率（IE％）为95.1％。根据PDP结果，抑制剂L5可作为混合型抑制剂。对温度影响的评估表明，L5在CS上化学吸附。L5在CS表面上的吸附似乎遵循Langmuir模型。扫描电子显微镜（SEM-EDX）和紫外可见度揭示了屏障膜的构成，限制了腐蚀离子进入CS表面的可及性。理论研究
Crystalline电池材料中的离子迁移率 OpenQP：具有MRSF- ... 的量子化学平台 光子增强 - 闪光灯 - 金属 - 壁垒... 与... 朝向机械机械反应的固体燃料 - 菲尔 - 固态中的电解质相间的生长动力学 - 基于效率的 - 型 - 基于模型-DNA-nano ... 机器学习X射线划分 - 材料 - ... 氧气中的氧气中的氧基级 - lithium-ion-battery- ...
图1：电池材料中探索的相关尺度和配置的示意图。用灰色箭头，即密度功能理论（DFT）和分子动力学（MD）模拟来指示用于计算各个长度尺度中离子传输特性的方法。用于直接探测离子运输的实验技术还与相应的长度尺度对齐。6，该图显示了从原子到中尺度到中尺度的各种尺度范围，以及在电池中发生的相应配置。以这种方式研究电池材料将导致提高未来电池的性能特征。
用于量子化学的可扩展神经量子态架构
摘要 量子态神经网络表示的变分优化已成功应用于解决相互作用的费米子问题。尽管发展迅速，但在考虑大规模分子时仍存在重大的可扩展性挑战，这些分子对应于由数千甚至数百万个泡利算子组成的非局部相互作用的量子自旋哈密顿量。在这项工作中，我们引入了可扩展的并行化策略来改进基于神经网络的变分量子蒙特卡罗计算，以用于从头算量子化学应用。我们建立了 GPU 支持的局部能量并行性来计算潜在复杂分子哈密顿量的优化目标。使用自回归采样技术，我们展示了实现耦合簇所需的挂钟时间的系统改进，其中基线目标能量高达双激发。通过将所得自旋哈密顿量的结构纳入自回归采样顺序，性能得到进一步增强。与经典近似方法相比，该算法实现了令人鼓舞的性能，并且与现有的基于神经网络的方法相比，具有运行时间和可扩展性优势。