A novel strategy for extracting axial (AV) and toroidal (TV) vortices in the magnetically-induced current density (MICD) in molecular systems is introduced, and its pilot application to LiH molecule is demonstrated. It exploits differences in the topologies of AV and TV cores and involves two key steps: selecting a scalar function that can describe vortex cores in MICD and its subsequent topological analysis. The scalar function of choice is $\Omega^{B_\alpha}$ based on the velocity-gradient $\Omega$ method known in research on classical flows. The Topological Data Analysis (TDA) is then used to analyze the $\Omega^{B_\alpha}$ scalar field. In particular, TDA robustly assigns distinct topological features of this field to different vortex types in LiH: AV to saddle-maximum separatrices which connect maxima to 2-saddles located on the domain's boundary, TV to a 1-cycle of the super-level sets of the input data. Both are extracted as the most \emph{persistent} features of the topologically-simplified $\Omega^{B_\alpha}$ scalar field.


翻译:在分子系统中磁引导当前密度(MICD)中提取轴心(AV)和类固醇(TV)团团的新型战略被引入,并演示了对LiH分子的试点应用。它利用了AV和电视核心的地形学差异,涉及两个关键步骤:选择一个可描述MICD及其随后的地形分析中的旋流岩核心的星标函数。选择的星标函数是$\Omega ⁇ B ⁇ alpha}$(根据典型流研究中已知的速控 $/Omega$(MICD)方法计算出。然后,将地形数据分析(TDA)用于分析$\Omega ⁇ B ⁇ alpha} 平方块的地形学差异。特别是,TDA将这个域独特的地表特征分配给了LiH的不同涡流类型:AV至最大马鞍-最高纬度,将位于域边界上的最大最大正值与2adbles连接,电视与最高级的AS-CA+ASL 数据字段。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年3月14日
Arxiv
0+阅读 · 2023年3月13日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员