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
- 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 Crystalline Materials [8.915142640507794]
液晶材料のための多モード学習(MLCM)は,多モードアライメントによる結晶材料の基礎モデルをトレーニングするための新しい手法である。
MLCMは、挑戦的なMaterial Projectデータベース上での材料特性予測のための最先端性能を実現する。
私たちの研究は、進行中のAI革命のイノベーションを材料科学の領域に持ち込み、素材を次世代AIのテストベッドとして特定します。
論文 参考訳(メタデータ) (2023-11-30T18:35:29Z) - Scalable Diffusion for Materials Generation [110.39595661627155]
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) - Reconstructing Materials Tetrahedron: Challenges in Materials
Information Extraction [25.200852480951454]
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。
この研究が研究者に、一貫性のある方法で課題に対処するように促すことを願っています。
論文 参考訳(メタデータ) (2023-10-12T14:57:24Z) - Materials Informatics: An Algorithmic Design Rule [0.0]
材料情報学は、材料科学研究において「第4のパラダイム」である。
有機半導体のエニグマを材料情報化アプローチにより研究した。
論文 参考訳(メタデータ) (2023-05-05T18:55:32Z) - Deep learning for table detection and structure recognition: A survey [49.09628624903334]
本調査の目的は,テーブル検出の分野での大きな進展を深く理解することである。
この分野における古典的アプリケーションと新しいアプリケーションの両方について分析する。
既存のモデルのデータセットとソースコードは、読者にこの膨大な文献のコンパスを提供するために組織されている。
論文 参考訳(メタデータ) (2022-11-15T19:42:27Z) - 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) - What and How of Machine Learning Transparency: Building Bespoke
Explainability Tools with Interoperable Algorithmic Components [77.87794937143511]
本稿では,データ駆動予測モデルを説明するためのハンズオントレーニング教材について紹介する。
これらのリソースは、解釈可能な表現合成、データサンプリング、説明生成の3つのコアビルディングブロックをカバーする。
論文 参考訳(メタデータ) (2022-09-08T13:33:25Z) - 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) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳(メタデータ) (2021-11-10T21:19:02Z) - 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。