論文の概要: Fast predictions of lattice energies by continuous isometry invariants of crystal structures

• arxiv url: http://arxiv.org/abs/2108.07233v1
• Date: Wed, 11 Aug 2021 16:49:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-22 14:40:45.427070
• Title: Fast predictions of lattice energies by continuous isometry invariants of crystal structures
• Title（参考訳）: 結晶構造の連続等長不変量による格子エネルギーの高速予測
• Authors: Jakob Ropers, Marco M Mosca, Olga Anosova, Vitaliy Kurlin, Andrew I Cooper
• Abstract要約: 結晶構造予測 (CSP) は、原子、イオン、分子の周期的な配置を最適化することで、固体結晶物質を発見することを目的としている。 CSPは、数百万のシミュレートされた結晶のエネルギー最小化が遅いため、スーパーコンピュータ時間に数週間かかる。 周期幾何学の新しい領域は、原子の摂動の下でも連続であるより高速な等尺不変量を提供する。
• 参考スコア（独自算出の注目度）: 1.4699455652461724
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Crystal Structure Prediction (CSP) aims to discover solid crystalline materials by optimizing periodic arrangements of atoms, ions or molecules. CSP takes weeks of supercomputer time because of slow energy minimizations for millions of simulated crystals. The lattice energy is a key physical property, which determines thermodynamic stability of a crystal but has no simple analytic expression. Past machine learning approaches to predict the lattice energy used slow crystal descriptors depending on manually chosen parameters. The new area of Periodic Geometry offers much faster isometry invariants that are also continuous under perturbations of atoms. Our experiments on simulated crystals confirm that a small distance between the new invariants guarantees a small difference of energies. We compare several kernel methods for invariant-based predictions of energy and achieve the mean absolute error of less than 5kJ/mole or 0.05eV/atom on a dataset of 5679 crystals.
• Abstract（参考訳）: 結晶構造予測(csp)は、原子、イオンまたは分子の周期配置を最適化することで、固体結晶材料を発見することを目的としている。 CSPは、数百万のシミュレーション結晶のエネルギー最小化が遅いため、スーパーコンピュータ時間に数週間かかる。 格子エネルギーは、結晶の熱力学的安定性を決定するが、単純な解析式を持たない重要な物理的性質である。 過去の機械学習アプローチは、手動で選択したパラメータに依存する低速結晶ディスクリプタを用いた格子エネルギーを予測する。 周期幾何学の新しい領域は、原子の摂動の下で連続であるより高速な等尺不変量を提供する。 シミュレーション結晶実験により,新しい不変量間の距離が小さいほどエネルギーの差が小さいことが確認された。 5679結晶のデータセット上で,エネルギーの不変性に基づく予測のためのいくつかのカーネル法を比較し,平均絶対誤差が5kJ/mole以下か0.05eV/atom以下であることを示す。

関連論文リスト

• CrysToGraph: A Comprehensive Predictive Model for Crystal Materials Properties and the Benchmark [16.456990796982186]
  我々はCrysToGraph(textbfCrys$tals with $textbfT$ransformers $textbfo$n $textbfGraph$s)を提案する。 CrysToGraphは、トランスフォーマーベースのグラフ畳み込みブロックと、グラフワイドトランスフォーマーブロックとの長距離インタラクションを効果的にキャプチャする。 これは既存のほとんどの方法より優れており、非伝統的な結晶と伝統的な結晶の両方のベンチマークで新しい最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-07-23T02:31:06Z)
• 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)
• 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)
• Crystal Structure Prediction by Joint Equivariant Diffusion [27.52168842448489]
  結晶構造予測(CSP)は様々な科学分野において重要である。 本稿では, 安定結晶から構造分布を学習する新しい拡散モデルであるDiffCSPを提案する。
  論文  参考訳（メタデータ） (2023-07-30T15:46:33Z)
• Colloquium: Quantum and Classical Discrete Time Crystals [0.0]
  時間翻訳対称性の自発的な崩壊は、離散時間結晶という新しい物質相の発見につながった。 このコロキウムは、量子および古典的な離散時間結晶の研究における最近の理論的および実験的進歩をレビューする。
  論文  参考訳（メタデータ） (2023-05-15T18:00:02Z)
• 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)
• Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
  本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
  論文  参考訳（メタデータ） (2023-02-02T03:49:57Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• The limit of spin lifetime in solid-state electronic spins [77.34726150561087]
  最大2フォノンプロセスを含むスピン緩和の完全な第1原理図を提供する。 バナジウム系分子量子ビットを研究したところ、高温でのスピン寿命はラマン過程によって制限されることがわかった。
  論文  参考訳（メタデータ） (2020-04-08T14:27:36Z)

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。