买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
摘要:本发明公开了一种基于神经网络的量子蒙特卡洛算法的量子化学方法,包括:对Transformer模型进行预训练,使预训练的Transformer模型输出的轨道与使用Hartree‑Fock方法求解原子核势场中的薛定谔方程所得到的轨道匹配;利用傅里叶变换分别设计第一高频信息建模层和第二高频信息建模层;将第一高频信息建模层作为预训练的Transformer模型的输入层,将第二高频信息建模层作为预训练的Transformer模型的中间层,得到显式建模高频信息的Transformer模型,该显式建模高频信息的Transformer模型以电子位置为输入,以波函数为输出;对显式建模高频信息的Transformer模型进行训练,得到训练好的显式建模高频信息的Transformer模型;利用训练好的显式建模高频信息的Transformer模型在新的电子位置上进行预测,得到预测的波函数,实现对电子行为的建模。
主权项:1.一种基于神经网络的量子蒙特卡洛算法的量子化学方法,其特征在于:包括以下步骤:步骤1:对Transformer模型进行预训练,使预训练的Transformer模型输出的轨道与使用Hartree-Fock方法求解原子核势场中的薛定谔方程所得到的轨道匹配;步骤2:利用傅里叶变换分别设计第一高频信息建模层和第二高频信息建模层;步骤3:将第一高频信息建模层作为预训练的Transformer模型的输入层,或者将第二高频信息建模层作为预训练的Transformer模型的中间层,得到显式建模高频信息的Transformer模型,该显式建模高频信息的Transformer模型以电子位置为输入,以波函数为输出;步骤4:对所述显式建模高频信息的Transformer模型进行训练,得到训练好的显式建模高频信息的Transformer模型;步骤5:利用训练好的显式建模高频信息的Transformer模型在新的电子位置上进行预测,得到预测的波函数,实现对电子行为的建模。
全文数据:
权利要求:
百度查询: 北京大学 一种基于神经网络的量子蒙特卡洛算法的量子化学方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。