論文の概要: An invertible crystallographic representation for general inverse design
of inorganic crystals with targeted properties
- arxiv url: http://arxiv.org/abs/2005.07609v3
- Date: Wed, 15 Dec 2021 12:05:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 23:54:14.164025
- Title: An invertible crystallographic representation for general inverse design
of inorganic crystals with targeted properties
- Title（参考訳）: 標的特性を有する無機結晶の一般逆設計のための可逆結晶表現
- Authors: Zekun Ren, Siyu Isaac Parker Tian, Juhwan Noh, Felipe Oviedo,
Guangzong Xing, Jiali Li, Qiaohao Liang, Ruiming Zhu, Armin G.Aberle, Shijing
Sun, Xiaonan Wang, Yi Liu, Qianxiao Li, Senthilnath Jayavelu, Kedar
Hippalgaonkar, Yousung Jung, Tonio Buonassisi
- Abstract要約: 一般逆設計(所与の要素や結晶構造に限らず)が可能な枠組みを提案する。
このフレームワークは、ユーザが定義した形成エネルギー、バンドギャップ、熱電(TE)パワーファクター、およびそれらの組み合わせを備えた新しい結晶を生成する。
結果は、生成モデルを用いたプロパティ駆動の一般逆設計に向けた重要なステップである。
- 参考スコア（独自算出の注目度）: 10.853822721106205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Realizing general inverse design could greatly accelerate the discovery of
new materials with user-defined properties. However, state-of-the-art
generative models tend to be limited to a specific composition or crystal
structure. Herein, we present a framework capable of general inverse design
(not limited to a given set of elements or crystal structures), featuring a
generalized invertible representation that encodes crystals in both real and
reciprocal space, and a property-structured latent space from a variational
autoencoder (VAE). In three design cases, the framework generates 142 new
crystals with user-defined formation energies, bandgap, thermoelectric (TE)
power factor, and combinations thereof. These generated crystals, absent in the
training database, are validated by first-principles calculations. The success
rates (number of first-principles-validated target-satisfying crystals/number
of designed crystals) ranges between 7.1% and 38.9%. These results represent a
significant step toward property-driven general inverse design using generative
models, although practical challenges remain when coupled with experimental
synthesis.
- Abstract（参考訳）: 一般的な逆設計を実現することで、ユーザ定義プロパティを持つ新しい素材の発見を大幅に加速することができる。
しかし、最先端の生成モデルは特定の組成や結晶構造に限られる傾向がある。
本稿では、実空間と相互空間の両方で結晶を符号化する一般化非可逆表現と、変分オートエンコーダ(VAE)による特性構造潜在空間を特徴とする、一般逆設計(与えられた要素や結晶構造に限らず)が可能なフレームワークを提案する。
3つの設計ケースでは、ユーザが定義した形成エネルギー、バンドギャップ、熱電力(te)パワーファクタ、およびそれらの組み合わせを備えた142個の新しい結晶を生成する。
トレーニングデータベースに存在しないこれらの生成結晶は、第一原理計算によって検証される。
成功率(第一原理評価対象結晶数/設計結晶数)は7.1%から38.9%である。
これらの結果は、生成モデルを用いた特性駆動一般逆設計への大きな一歩であるが、実験合成と組み合わせた実用上の課題は残る。
関連論文リスト
- Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。
既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。
本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2024-11-06T23:53:34Z) - Generative Hierarchical Materials Search [91.93125016916463]
結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。
GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。
GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
論文 参考訳（メタデータ） (2024-09-10T17:51:28Z) - Space Group Informed Transformer for Crystalline Materials Generation [2.405914457225118]
本稿では, 変圧器を用いた自己回帰モデルであるCrystalFormerを紹介した。
空間群対称性の組み入れは結晶空間を著しく単純化し、結晶材料のデータおよび効率的な生成モデリングの計算に不可欠である。
論文 参考訳（メタデータ） (2024-03-23T06:01:45Z) - Complete and Efficient Graph Transformers for Crystal Material Property Prediction [53.32754046881189]
結晶構造は、3次元空間の正則格子に沿って繰り返される原始単位セル内の原子塩基によって特徴づけられる。
本稿では,各原子の格子に基づく表現を確立するために,単位細胞の周期パターンを利用する新しい手法を提案する。
結晶材料に特化して設計されたSE(3)トランスであるComFormerを提案する。
論文 参考訳（メタデータ） (2024-03-18T15:06:37Z) - Crystalformer: Infinitely Connected Attention for Periodic Structure Encoding [10.170537065646323]
結晶構造から材料の物性を予測することは、材料科学の基本的な問題である。
結晶構造が無限に繰り返し、原子の周期的な配列であり、完全に連結された注意が無限に連結された注意をもたらすことを示す。
本稿では, 結晶構造に対する簡単なトランスフォーマーベースエンコーダアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-03-18T11:37:42Z) - Scalable Diffusion for Materials Generation [99.71001883652211]
我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。
UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。
材料の生成モデルを評価するための追加指標を提案する。
論文 参考訳（メタデータ） (2023-10-18T15:49:39Z) - Latent Conservative Objective Models for Data-Driven Crystal Structure
Prediction [62.36797874900395]
計算化学において、結晶構造予測は最適化問題である。
この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。
我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
論文 参考訳（メタデータ） (2023-10-16T04:35:44Z) - Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。
本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。
その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
論文 参考訳（メタデータ） (2023-10-07T21:36:55Z) - Unified Model for Crystalline Material Generation [9.940728137241214]
結晶格子と原子位置で同時に作用する2つの統一モデルを提案する。
我々のモデルは、熱力学的安定性に到達するために総エネルギーを下げることで任意の結晶の変形を学習することができる。
論文 参考訳（メタデータ） (2023-06-07T15:23:59Z) - Shotgun crystal structure prediction using machine-learned formation energies [3.2563787689949133]
組み立てられた原子の結晶構造は、原子配置の広い空間内でエネルギー表面の大域的または局所的なミニマを見つけることで予測できる。
本稿では,結晶構造予測問題の解決に向けた大きな進展を示す。
我々は,機械学習エネルギー予測器を備えた仮想結晶構造の大規模なライブラリを用いて,非定常単発スクリーニングを行った。
論文 参考訳（メタデータ） (2023-05-03T14:46:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。