معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A JAX based framework to calculate deep-learning VMC solutions to the Schrödinger equation

ویژگی	مقدار
سیستم عامل	-
نام فایل	deeperwin-1.1.0
نام	deeperwin
نسخه کتابخانه	1.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Michael Scherbela, Leon Gerard, Rafael Reisenhofer
ایمیل نویسنده	deeperwin.datascience@univie.ac.at
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/deeperwin/
مجوز	-

# DeepErwin DeepErwin is python package that implements and optimizes wave function models for numerical solutions to the multi-electron Schrödinger equation. DeepErwin is based on JAX and supports: - Optimizing a wavefunction for a single nuclear geometry - Optimizing wavefunctions for multiple nuclear geometries in parallel, while sharing neural network weights across these wavefunctions to speed-up optimization - Using pre-trained weights of a network to speed-up optimization for entirely new wavefunctions - Using second-order optimizers such as KFAC or L-BFGS A detailed description of our method and the corresponding results can be found in our recent [arxiv publication](https://arxiv.org/pdf/2105.08351.pdf). When you use DeepErwin in your work, please cite: M. Scherbela, R. Reisenhofer, L. Gerard, P. Marquetand, and P. Grohs.<br> Solving the electronic Schrödinger equation for multiple nuclear geometries with weight-sharing deep neural networks.<br> arXiv preprint [arXiv:2105.08351](https://arxiv.org/pdf/2105.08351.pdf) (2021). ## Getting Started The quickest way to get started with DeepErwin is to have a look at our [documentation](https://mipunivie.github.io/deeperwin/). It contains a detailed description of our python codebase and a [tutorial](https://mipunivie.github.io/deeperwin/tutorial.html) which should help you to quickly get up-and-running using DeepErwin. ## About DeepErwin is a collaborative effort of Michael Scherbela, Rafael Reisenhofer, Leon Gerard, Philipp Marquetand, and Philipp Grohs.\ The code was written by Michael Scherbela, Leon Gerard, and Rafael Reisenhofer.\ If you have any questions, freel free to reach out via [e-mail](mailto:deeperwin.datascience@univie.ac.at).

نیازمندی

مقدار	نام
-	jax
-	jaxlib
-	pyscf
==3.2.1	h5py
-	ruamel.yaml
-	pydantic
-	matplotlib
-	pandas
-	parse
-	networkx
-	ordered-set
-	wandb
-	sphinx
-	sphinx-rtd-theme
-	pytest

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl deeperwin-1.1.0:

pip install deeperwin-1.1.0.whl

نصب پکیج tar.gz deeperwin-1.1.0:

pip install deeperwin-1.1.0.tar.gz