論文の概要: Towards explainable message passing networks for predicting carbon
dioxide adsorption in metal-organic frameworks
- arxiv url: http://arxiv.org/abs/2012.03723v1
- Date: Wed, 2 Dec 2020 12:54:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 03:41:33.886342
- Title: Towards explainable message passing networks for predicting carbon
dioxide adsorption in metal-organic frameworks
- Title(参考訳): 金属-有機系における二酸化炭素吸着予測のための説明可能なメッセージパッシングネットワーク
- Authors: Ali Raza, Faaiq Waqar, Arni Sturluson, Cory Simon, Xiaoli Fern
- Abstract要約: 金属-有機フレームワーク(英: Metal-organic framework、MOF)は、化石燃料発電所の排気ガスから二酸化炭素を捕捉するために用いられるナノ多孔質材料である。
本研究では,メッセージパッシングニューラルネットワーク(MPNN)の設計とトレーニングを行い,模擬CO$をMOFで予測する。
- 参考スコア(独自算出の注目度): 2.1445455835823624
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Metal-organic framework (MOFs) are nanoporous materials that could be used to
capture carbon dioxide from the exhaust gas of fossil fuel power plants to
mitigate climate change. In this work, we design and train a message passing
neural network (MPNN) to predict simulated CO$_2$ adsorption in MOFs. Towards
providing insights into what substructures of the MOFs are important for the
prediction, we introduce a soft attention mechanism into the readout function
that quantifies the contributions of the node representations towards the graph
representations. We investigate different mechanisms for sparse attention to
ensure only the most relevant substructures are identified.
- Abstract(参考訳): 金属-有機フレームワーク(metal-organic framework、mofs)は、化石燃料発電所の排出ガスから二酸化炭素を吸収して気候変動を緩和するナノ多孔質材料である。
本研究では,MOFのCO$2$吸着を予測するために,メッセージパッシングニューラルネットワーク(MPNN)の設計と訓練を行う。
予測にはMOFのサブ構造が重要であるかという知見を提供するため,グラフ表現に対するノード表現の寄与を定量化するためのソフトアテンション機構をリードアウト関数に導入する。
我々は,最も関連する部分構造のみを同定するために,注意をそらすための異なるメカニズムについて検討する。
関連論文リスト
- MOFDiff: Coarse-grained Diffusion for Metal-Organic Framework Design [4.819734936375677]
金属-有機フレームワーク(MOF)は、ガス貯蔵や炭素捕獲といった応用に非常に関心がある。
CGMOF構造を生成する粗粒拡散モデルMOFDiffを提案する。
有効かつ斬新なMOF構造の生成能力と優れたMOF材料の設計における有効性を評価する。
論文 参考訳(メタデータ) (2023-10-16T18:00:15Z) - On the importance of catalyst-adsorbate 3D interactions for relaxed
energy predictions [98.70797778496366]
吸着剤の相対的な位置を無視しながら,OC20データセットの緩和エネルギーを予測できるかどうかを検討する。
結合サイト情報の削除は,期待通りに精度を低下させるが,修正モデルは極めて良好なMAEで緩和エネルギーを予測することができる。
論文 参考訳(メタデータ) (2023-10-10T14:57:04Z) - A generative artificial intelligence framework based on a molecular
diffusion model for the design of metal-organic frameworks for carbon capture [3.7693836475281297]
GHP-MOFassembleは、CO2容量と合成可能なリンカーを備えたMOFの合理的かつ迅速な設計のための生成人工知能フレームワークである。
GHP-MOFassembleは、一意性、合成可能性、構造的妥当性のためにAI生成のMOFをスクリーンし、検証する。
仮説MOFデータセットの96.9%以上の2$m mol/g$以上のCO2容量を持つAI生成MOFの上位6つを提示する。
論文 参考訳(メタデータ) (2023-06-14T18:32:26Z) - Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based
Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。
本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文 参考訳(メタデータ) (2022-09-15T13:52:15Z) - Prediction of $\textrm{CO}_2$ Adsorption in Nano-Pores with Graph Neural
Networks [2.6424064030995957]
本モデルは,吸着材料候補の原子学的記述を含む標準構造入力ファイルのみに基づく。
従来の機械学習モデルの予測精度に適合する新しい手法拡張を構築した。
当社のアプローチは, 産業規模でのガス捕捉プロセスの最適化に広く適用することができる。
論文 参考訳(メタデータ) (2022-08-22T04:22:21Z) - Graph neural networks for the prediction of molecular structure-property
relationships [59.11160990637615]
グラフニューラルネットワーク(GNN)は、分子グラフ上で直接動作する新しい機械学習手法である。
GNNは、エンドツーエンドでプロパティを学習できるため、情報記述子の必要性を回避することができる。
本稿では、分子特性予測のための2つの例を通して、GNNの基礎を説明し、GNNの応用を実証する。
論文 参考訳(メタデータ) (2022-07-25T11:30:44Z) - Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG):
Challenges and Case Studies [63.61566811532431]
金属有機フレームワーク(MOF)は、ガス貯蔵、分子分離、化学センシング、結晶および薬物のデリバリーといった応用に革命をもたらす大きな可能性を持っている。
ケンブリッジ構造データベース(CSD)は10,636個のMOF結晶を報告しており、これには114,373個のMOF構造が含まれる。
本稿では,MOF予測,発見,合成を容易にする知識グラフ手法の活用に向けた取り組みについて述べる。
論文 参考訳(メタデータ) (2022-07-10T16:41:11Z) - MEG: Generating Molecular Counterfactual Explanations for Deep Graph
Networks [11.291571222801027]
本稿では, 分子特性予測 t の文脈における深層グラフネットワークの説明可能性に取り組むための新しいアプローチを提案する。
我々は, 構造的類似度が高く, 予測特性の異なる(有意)化合物の形で, 特定の予測に対する情報的反実的説明を生成する。
モデルが非ML専門家に分子の近傍に焦点を絞った学習モデルに関する重要な洞察を伝達する方法を示す結果について議論する。
論文 参考訳(メタデータ) (2021-04-16T12:17:19Z) - Graph Neural Networks for the Prediction of Substrate-Specific Organic
Reaction Conditions [79.45090959869124]
有機化学反応をモデル化するために,グラフニューラルネットワーク(GNN)を用いた系統的研究を行った。
実験試薬と条件の識別に関わる分類タスクに対して、7つの異なるGNNアーキテクチャを評価した。
論文 参考訳(メタデータ) (2020-07-08T17:21:00Z) - Multi-View Graph Neural Networks for Molecular Property Prediction [67.54644592806876]
マルチビューグラフニューラルネットワーク(MV-GNN)を提案する。
MV-GNNでは,学習過程を安定させるために,自己注意型読み出しコンポーネントと不一致損失を導入する。
我々は、相互依存型メッセージパッシング方式を提案することにより、MV-GNNの表現力をさらに強化する。
論文 参考訳(メタデータ) (2020-05-17T04:46:07Z)
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。