論文の概要: MaterialsAtlas.org: A Materials Informatics Web App Platform for
Materials Discovery and Survey of State-of-the-Art
- arxiv url: http://arxiv.org/abs/2109.04007v1
- Date: Thu, 9 Sep 2021 03:08:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-10 14:00:54.784091
- Title: MaterialsAtlas.org: A Materials Informatics Web App Platform for
Materials Discovery and Survey of State-of-the-Art
- Title（参考訳）: MaterialsAtlas.org: 材料発見と現状調査のためのマテリアルインフォマティクスWebアプリプラットフォーム
- Authors: Jianjun Hu, Stanislav Stefanov, Yuqi Song, Sadman Sadeed Omee,
Steph-Yves Louis, Edirisuriya M. D. Siriwardane, Yong Zhao
- Abstract要約: 本稿では, Web ベースの材料情報ツールボックスである MaterialsAtlas.org を提案し,開発する。
これらのユーザフレンドリーなツールは、urlwww. Materialssatlas.orgで自由にアクセスできる。
- 参考スコア（独自算出の注目度）: 5.570892106881502
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The availability and easy access of large scale experimental and
computational materials data have enabled the emergence of accelerated
development of algorithms and models for materials property prediction,
structure prediction, and generative design of materials. However, lack of
user-friendly materials informatics web servers has severely constrained the
wide adoption of such tools in the daily practice of materials screening,
tinkering, and design space exploration by materials scientists. Herein we
first survey current materials informatics web apps and then propose and
develop MaterialsAtlas.org, a web based materials informatics toolbox for
materials discovery, which includes a variety of routinely needed tools for
exploratory materials discovery, including materials composition and structure
check (e.g. for neutrality, electronegativity balance, dynamic stability,
Pauling rules), materials property prediction (e.g. band gap, elastic moduli,
hardness, thermal conductivity), and search for hypothetical materials. These
user-friendly tools can be freely accessed at \url{www.materialsatlas.org}. We
argue that such materials informatics apps should be widely developed by the
community to speed up the materials discovery processes.
- Abstract（参考訳）: 大規模実験および計算材料データの可用性と容易なアクセスにより、材料特性予測、構造予測、および材料生成設計のためのアルゴリズムおよびモデルの開発が加速された。
しかし、ユーザフレンドリーな資料の欠如 ウェブサーバは、材料スクリーニング、ティンカー、材料科学者によるデザイン空間探索の日々の実践において、そのようなツールの採用を厳しく制限している。
ここではまず,現在の資料情報学 web アプリを調査し,次に materialsatlas.org を提案・開発する。材料発見のための web ベースの資料情報学ツールボックスで,材料構成や構造チェックなど,探索的材料発見に必要なツールが多数含まれている。
中立性、電気陰性度バランス、動的安定性、ポーリング規則)、材料特性予測(例)
バンドギャップ、弾性モジュラー、硬度、熱伝導度)、および仮説的な物質を探索する。
これらのユーザーフレンドリーなツールは \url{www.materialsatlas.org} で自由にアクセスできる。
このようなインフォマティクスアプリは、素材発見プロセスをスピードアップするために、コミュニティによって広く開発されるべきである。
関連論文リスト
- Polymetis:Large Language Modeling for Multiple Material Domains [11.396295878658924]
本稿では,多種多様な材料分野を対象とした大規模言語モデルPolymetisモデルを提案する。
このモデルでは,約200万件の資料知識に基づくデータセットを使用し,データセット構築の過程で知能抽出大モデルを開発した。
我々はこのデータをGLM4-9Bモデルに注入し、様々な物質領域における推論能力を向上させる。
論文 参考訳（メタデータ） (2024-11-13T16:10:14Z) - Foundation Model for Composite Materials and Microstructural Analysis [49.1574468325115]
複合材料に特化して設計された基礎モデルを提案する。
我々のモデルは、頑健な潜伏特性を学習するために、短繊維コンポジットのデータセット上で事前訓練されている。
転送学習中、MMAEはR2スコアが0.959に達し、限られたデータで訓練しても0.91を超えている均質化剛性を正確に予測する。
論文 参考訳（メタデータ） (2024-11-10T19:06:25Z) - The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。
責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
論文 参考訳（メタデータ） (2024-06-24T15:55:49Z) - OpenMaterial: A Comprehensive Dataset of Complex Materials for 3D Reconstruction [54.706361479680055]
295個の異なる材料からなる1001個のオブジェクトからなるOpenMaterialデータセットを紹介した。
OpenMaterialは3D形状、マテリアルタイプ、カメラポーズ、深さ、オブジェクトマスクなど、包括的なアノテーションを提供する。
これは、多様で挑戦的な材料を持つオブジェクト上で、既存のアルゴリズムの定量的評価を可能にする最初の大規模データセットである。
論文 参考訳（メタデータ） (2024-06-13T07:46:17Z) - Make-it-Real: Unleashing Large Multimodal Model for Painting 3D Objects with Realistic Materials [108.59709545364395]
GPT-4Vは、材料を効果的に認識し、記述することができ、詳細な材料ライブラリを構築することができる。
そして、整合した材料を、新たなSVBRDF材料生成の基準として慎重に適用する。
Make-it-Realは、3Dコンテンツ作成ワークフローに合理化された統合を提供する。
論文 参考訳（メタデータ） (2024-04-25T17:59:58Z) - Alchemist: Parametric Control of Material Properties with Diffusion
Models [51.63031820280475]
本手法は,フォトリアリズムで知られているテキスト・イメージ・モデルの生成先行に乗じる。
我々は,NeRFの材料化へのモデルの適用の可能性を示す。
論文 参考訳（メタデータ） (2023-12-05T18:58:26Z) - Multimodal Learning for Materials [7.167520424757711]
材料の基礎モデルの自己教師型マルチモーダルトレーニングを可能にするマルチモーダル・ラーニング・フォー・マテリアル(MultiMat)を紹介した。
複数の軸上のMaterial Projectデータベースからのデータを用いてフレームワークの可能性を示す。
論文 参考訳（メタデータ） (2023-11-30T18:35:29Z) - Reconstructing Materials Tetrahedron: Challenges in Materials Information Extraction [23.489721319567025]
材料科学文献からの自動情報抽出における課題を論じ,定量化し,文書化する。
この情報は、表、テキスト、画像などの複数のフォーマットに分散し、レポートスタイルの統一性はほとんど、あるいは全くない。
本研究は,IEが材料知識基盤を開発する上で,その課題に一貫した形で対処する上で,研究者に刺激を与えるものであることを願っている。
論文 参考訳（メタデータ） (2023-10-12T14:57:24Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Graph neural networks for materials science and chemistry [2.2479652717640657]
グラフニューラルネットワーク(GNN)は、機械学習モデルの最速成長クラスの1つである。
GNNは直接、分子や物質のグラフまたは構造表現に取り組んでいる。
本稿では,GNNの基本原則,広く使用されているデータセット,最先端アーキテクチャについて概説する。
論文 参考訳（メタデータ） (2022-08-05T13:38:34Z) - MatScIE: An automated tool for the generation of databases of methods
and parameters used in the computational materials science literature [5.217605474243695]
MatScIEは、材料科学文献から関連情報を抽出し、構造化されたデータベースを作成する。
ユーザーは公開された記事をアップロードし、このツールから取得した情報を閲覧/ダウンロードすることができる。
論文 参考訳（メタデータ） (2020-09-15T01:52:47Z)
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。