論文の概要: Polymer Informatics: Current Status and Critical Next Steps
- arxiv url: http://arxiv.org/abs/2011.00508v1
- Date: Sun, 1 Nov 2020 14:17:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:55:13.029146
- Title: Polymer Informatics: Current Status and Critical Next Steps
- Title（参考訳）: 高分子インフォマティクスの現状と今後の課題
- Authors: Lihua Chen, Ghanshyam Pilania, Rohit Batra, Tran Doan Huan, Chiho Kim,
Christopher Kuenneth, Rampi Ramprasad
- Abstract要約: サロゲートモデルは、インスタントプロパティ予測のために利用可能なポリマーデータに基づいて訓練される。
データ駆動型戦略は, 高分子の化学的, 物理的多様性から生じる特異な課題に, 小規模かつ大規模に対処するものである。
アプリケーションターゲットを満たす高度なAIアルゴリズムを用いて, 高分子レコメンデーションを行う逆問題の解法について検討している。
- 参考スコア（独自算出の注目度）: 1.3238373064156097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence (AI) based approaches are beginning to impact several
domains of human life, science and technology. Polymer informatics is one such
domain where AI and machine learning (ML) tools are being used in the efficient
development, design and discovery of polymers. Surrogate models are trained on
available polymer data for instant property prediction, allowing screening of
promising polymer candidates with specific target property requirements.
Questions regarding synthesizability, and potential (retro)synthesis steps to
create a target polymer, are being explored using statistical means.
Data-driven strategies to tackle unique challenges resulting from the
extraordinary chemical and physical diversity of polymers at small and large
scales are being explored. Other major hurdles for polymer informatics are the
lack of widespread availability of curated and organized data, and approaches
to create machine-readable representations that capture not just the structure
of complex polymeric situations but also synthesis and processing conditions.
Methods to solve inverse problems, wherein polymer recommendations are made
using advanced AI algorithms that meet application targets, are being
investigated. As various parts of the burgeoning polymer informatics ecosystem
mature and become integrated, efficiency improvements, accelerated discoveries
and increased productivity can result. Here, we review emergent components of
this polymer informatics ecosystem and discuss imminent challenges and
opportunities.
- Abstract（参考訳）: 人工知能(AI)ベースのアプローチは、人間の生活、科学、テクノロジーのいくつかの領域に影響を与え始めている。
高分子情報学は、AIと機械学習(ML)ツールがポリマーの効率的な開発、設計、発見に使われている分野である。
サーロゲートモデルでは、利用可能なポリマーデータに基づいて即時特性予測を訓練し、特定の対象特性要件を持つ有望なポリマー候補のスクリーニングを可能にする。
合成性、標的ポリマーを作るためのポテンシャル(レトロ)合成ステップに関する質問は、統計的手段を用いて検討されている。
データ駆動型戦略は, 高分子の化学的, 物理的多様性から生じる特異な課題に, 小規模かつ大規模に対処するものである。
高分子情報学の他の大きなハードルは、キュレーションと組織化されたデータの広範な利用の欠如と、複雑な高分子の状況の構造だけでなく、合成と処理条件もキャプチャする機械可読表現の作成である。
アプリケーションターゲットを満たす高度なaiアルゴリズムを用いてポリマーの推奨を行う逆問題を解く方法が研究されている。
急成長する高分子インフォマティクスエコシステムの様々な部分が成熟して統合され、効率が向上し、発見が加速され、生産性が向上する可能性がある。
本稿では, この高分子情報生態系の創発的構成要素を概観し, 差し迫った課題と機会について論じる。
関連論文リスト
- AtomAgents: Alloy design and discovery through physics-aware multi-modal multi-agent artificial intelligence [0.0]
提案されている物理対応生成AIプラットフォームAtomAgentsは、大規模言語モデル(LLM)のインテリジェンスをシナジする
以上の結果から, 合金間におけるキー特性の正確な予測が可能となり, 先進金属合金の開発を推し進めるためには, 固溶合金が重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-07-13T22:46:02Z) - CACTUS: Chemistry Agent Connecting Tool-Usage to Science [6.832077276041703]
大規模言語モデル(LLM)は、様々なドメインにおいて顕著な可能性を示しているが、ドメイン固有の知識やツールにアクセスし、推論する能力に欠けることが多い。
ケミノフォマティクスツールを統合したLCMベースのエージェントであるCACTUSを導入し,化学および分子発見における高度な推論と問題解決を可能にした。
我々は, Gemma-7b, Falcon-7b, MPT-7b, Llama2-7b, Mistral-7bなど, 様々なオープンソースのLCMを用いてCACTUSの性能評価を行った。
論文 参考訳（メタデータ） (2024-05-02T03:20:08Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Transferring a molecular foundation model for polymer property
predictions [3.067983186439152]
トランスモデルの自己教師付き事前トレーニングには、大規模なデータセットが必要である。
本研究では, 高分子特性を微調整し, 小分子で事前学習したトランスフォーマーを用いることで, 強化ポリマーデータセットでトレーニングしたトランスフォーマーと同等の精度が得られることを示す。
論文 参考訳（メタデータ） (2023-10-25T19:55:00Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge
Collaborative AutoML System [85.8338446357469]
我々は人間中心のAutoMLシステムであるOmniForceを紹介した。
我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
論文 参考訳（メタデータ） (2023-03-01T13:35:22Z) - Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular
Property Prediction [53.06671763877109]
我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。
我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。
複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
論文 参考訳（メタデータ） (2023-02-04T01:32:40Z) - When does deep learning fail and how to tackle it? A critical analysis
on polymer sequence-property surrogate models [1.0152838128195467]
ディープラーニングモデルは、高分子特性の予測において人気と有効性を高めている。
これらのモデルは、既存のデータを用いて構築することができ、ポリマー特性の迅速な予測に有用である。
しかし,ディープラーニングモデルの性能は,そのトポロジやトレーニングデータの量と密接に関連している。
論文 参考訳（メタデータ） (2022-10-12T23:04:10Z) - Copolymer Informatics with Multi-Task Deep Neural Networks [0.0]
コポリマーの性質予測の課題に取り組み、ホモポリマーを超えてポリマーインフォマティクスフレームワークを拡張します。
2つのモノマーのホモポリマーと共重合体のガラス転移、融解、分解温度の18,000以上のデータポイントを含む大きなデータセットを用いる。
開発されたモデルは、適切なデータが利用可能になったときに、よりコポリマー特性に正確、迅速、柔軟、スケーラブルです。
論文 参考訳（メタデータ） (2021-03-25T23:28:20Z) - Polymers for Extreme Conditions Designed Using Syntax-Directed
Variational Autoencoders [53.34780987686359]
現在、機械学習ツールは、望まれる特性を持つ材料候補を事実上スクリーニングするために使用される。
このアプローチは非効率であり、人間の想像力が知覚できる候補によって厳しく制約されている。
文法指向の変分オートエンコーダ(VAE)とガウス過程回帰(GPR)モデルを用いて、3つの極端な条件下で頑健なポリマーを発見する。
論文 参考訳（メタデータ） (2020-11-04T21:36:59Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。