論文の概要: Crystal structure prediction of materials with high symmetry using differential evolution

• arxiv url: http://arxiv.org/abs/2104.09764v1
• Date: Tue, 20 Apr 2021 05:10:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 02:47:17.516795
• Title: Crystal structure prediction of materials with high symmetry using differential evolution
• Title（参考訳）: 微分進化を用いた高対称性材料の結晶構造予測
• Authors: Wenhui Yang, Edirisuriya M. Dilanga Siriwardane, Rongzhi Dong, Yuxin Li, Jianjun Hu
• Abstract要約: 本稿では, 遺伝的アルゴリズムを用いて, 予測された構造物の接点マップと実構造物の接点マップとのマッチングを最大化するために, 接点マップに基づく結晶構造予測法を提案する。 結晶構造を高対称性で予測する際、大域最適化アルゴリズムは化学式を満たすWPの効果的な組み合わせを見つけるのが困難であることがわかった。 提案するアルゴリズムCMCrystalHSは,不整合接触地図次元の問題を効果的に解き,高対称性の結晶構造を予測できる。
• 参考スコア（独自算出の注目度）: 0.5249805590164902
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Crystal structure determines properties of materials. With the crystal structure of a chemical substance, many physical and chemical properties can be predicted by first-principles calculations or machine learning models. Since it is relatively easy to generate a hypothetical chemically valid formula, crystal structure prediction becomes an important method for discovering new materials. In our previous work, we proposed a contact map-based crystal structure prediction method, which uses global optimization algorithms such as genetic algorithms to maximize the match between the contact map of the predicted structure and the contact map of the real crystal structure to search for the coordinates at the Wyckoff Positions(WP). However, when predicting the crystal structure with high symmetry, we found that the global optimization algorithm has difficulty to find an effective combination of WPs that satisfies the chemical formula, which is mainly caused by the inconsistency between the dimensionality of the contact map of the predicted crystal structure and the dimensionality of the contact map of the target crystal structure. This makes it challenging to predict the crystal structures of high-symmetry crystals. In order to solve this problem, here we propose to use PyXtal to generate and filter random crystal structures with given symmetry constraints based on the information such as chemical formulas and space groups. With contact map as the optimization goal, we use differential evolution algorithms to search for non-special coordinates at the Wyckoff positions to realize the structure prediction of high-symmetry crystal materials. Our experimental results show that our proposed algorithm CMCrystalHS can effectively solve the problem of inconsistent contact map dimensions and predict the crystal structures with high symmetry.
• Abstract（参考訳）: 結晶構造は材料の特性を決定する。 化学物質の結晶構造により、第一原理計算や機械学習モデルによって多くの物理的および化学的性質を予測できる。 理論的に妥当な化学式を生成するのは比較的容易であるため、結晶構造予測は新しい材料を発見する重要な方法となる。 本研究では, 遺伝的アルゴリズムなどの大域的最適化アルゴリズムを用いて, 予測した構造の接触マップと実結晶構造の接触マップとのマッチングを最大化し, ワイコフ位置(wp)における座標を探索するコンタクトマップに基づく結晶構造予測手法を提案する。 しかし, 結晶構造を高対称性で予測すると, 大域最適化アルゴリズムは, 予測された結晶構造の接触マップの次元とターゲット結晶構造の接触マップの次元との矛盾が主な原因である化学式を満たすWPの有効組み合わせを見つけるのが困難であることが判明した。 このため、高対称性結晶の結晶構造を予測することは困難である。 そこで本研究では,pyxtalを用いて化学式や空間群などの情報に基づいて,与えられた対称性制約を持つランダム結晶構造を生成・フィルタリングする手法を提案する。 接点マップを最適化の目標とし,wyckoff位置における非特殊座標の探索に微分進化アルゴリズムを用い,高対称性結晶材料の構造予測を実現する。 実験の結果,提案アルゴリズムCMCrystalHSは不整合接触地図次元の問題を効果的に解き,結晶構造を高対称性で予測できることがわかった。

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)
• AlphaCrystal-II: Distance matrix based crystal structure prediction using deep learning [4.437756445215657]
  このAlphaCrystal-IIは、既存の結晶構造に見られる原子間相互作用パターンを多用した、知識に基づく新しいソリューションである。 既知の結晶構造の原子間関係の富を生かして、構造予測における顕著な有効性と信頼性を示す。
  論文  参考訳（メタデータ） (2024-04-07T05:17:43Z)
• 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)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Crystal structure prediction with machine learning-based element substitution [5.613512701893759]
  与えられた化学組成によって形成されるエネルギー的に安定な結晶構造の予測は、固体物理学における中心的な問題である。 本稿では,メカニカルラーニングと呼ばれる機械学習アルゴリズムを利用した結晶構造予測の一手法を提案する。 未知の結晶構造を持つ所定のクエリ合成では、テンプレート結晶の集合を結晶構造データベースから自動的に選択する。
  論文  参考訳（メタデータ） (2022-01-26T21:06:24Z)

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。