論文の概要: Counting Molecules: Python based scheme for automated enumeration and
categorization of molecules in scanning tunneling microscopy images
- arxiv url: http://arxiv.org/abs/2203.01998v1
- Date: Thu, 3 Mar 2022 20:27:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 03:03:44.971626
- Title: Counting Molecules: Python based scheme for automated enumeration and
categorization of molecules in scanning tunneling microscopy images
- Title(参考訳): Counting Molecules: 走査型トンネル顕微鏡画像における分子の自動列挙と分類のためのPythonベースのスキーム
- Authors: Jack Hellerstedt, Ale\v{s} Cahl\'ik, Martin \v{S}vec, Oleksandr
Stetsovych, and Tyler Hennen
- Abstract要約: オープンソース、モジュール型、ピソンベースのスキームは、中規模の(10$times$10から100$times$100 nm)スキャンされたプローブイメージに存在する様々な分子の分類を自動化する。
- 参考スコア(独自算出の注目度): 17.10464381844892
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scanning tunneling and atomic force microscopies (STM/nc-AFM) are rapidly
progressing to offer unprecedented spatial resolution of a diverse array of
chemical species. In particular, they are employed to characterize on-surface
chemical reactions by directly examining precursors and products. Chiral
effects and self-assembled structures can also be investigated. This open
source, modular, python based scheme automates the categorization of a variety
of molecules present in medium sized (10$\times$10 to 100$\times$100 nm)
scanned probe images.
- Abstract(参考訳): 走査トンネルと原子間力顕微鏡(STM/nc-AFM)は、様々な化学種の空間分解能を提供するために急速に進歩している。
特に、前駆体や生成物を直接調べることで、表面化学反応を特徴付けるために用いられる。
キラル効果や自己組織化構造も研究できる。
このオープンソースのモジュール型のピソンベースのスキームは、中規模(10$\times$10から100$\times$100 nm)の走査プローブイメージに存在する様々な分子の分類を自動化する。
関連論文リスト
- PyNanospacing: TEM image processing tool for strain analysis and
visualization [0.0]
本稿では,幅広い材料を扱えるTEM画像処理のためのPythonコードを開発する。
平面間隔の局所的な差異を輪郭写像に変換し、格子拡大と圧縮の視覚的表現を可能にする。
ツールは非常に汎用的で、TEM画像を用いて材料特性を分析するのに大いに役立ちます。
論文 参考訳(メタデータ) (2023-11-27T12:08:46Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳(メタデータ) (2023-06-08T17:12:08Z) - Evaluation of the MACE Force Field Architecture: from Medicinal
Chemistry to Materials Science [0.0]
MACEは一般に、幅広いシステムにおいて代替品よりも優れていることを示す。
制約付き幾何最適化から分子動力学シミュレーションに至るまでのタスクにおけるモデルの有効性を実証する。
MACEは非常にデータ効率が高く、50個のランダムに選択された基準構成でトレーニングした場合、実験分子振動スペクトルを再現できることを示す。
論文 参考訳(メタデータ) (2023-05-23T17:01:25Z) - Molecule-Morphology Contrastive Pretraining for Transferable Molecular
Representation [0.0]
分子グラフと細胞形態のマルチモーダル表現を学習するためのフレームワークであるMoCoP(Moecule-Morphology Contrastive Pretraining)を紹介する。
我々は、JUMP-CPコンソーシアムのデータを用いて、MoCoPを約100K分子と600K形態素にスケールする。
この結果から,MoCoPを用いた細胞形態と分子グラフの統合により,QSARモデルの性能が著しく向上することが示唆された。
論文 参考訳(メタデータ) (2023-04-27T02:01:41Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳(メタデータ) (2023-02-09T20:19:57Z) - Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular
Property Prediction [53.06671763877109]
我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。
我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。
複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
論文 参考訳(メタデータ) (2023-02-04T01:32:40Z) - Automated Classification of Nanoparticles with Various Ultrastructures
and Sizes [0.6927055673104933]
走査型電子顕微鏡画像の小さなデータセットから学習したナノ粒子計測と分類のためのディープラーニングに基づく手法を提案する。
本手法は, 局所化, ナノ粒子の検出, 分類, 微細構造の分類の2段階からなる。
画像処理や様々な画像生成ニューラルネットワークを用いて合成画像を生成することで、両方の段階で結果を改善することができることを示す。
論文 参考訳(メタデータ) (2022-07-28T11:31:43Z) - Graph-based Molecular Representation Learning [59.06193431883431]
分子表現学習(MRL)は、機械学習と化学科学を結びつけるための重要なステップである。
近年、MRLは、特に深層分子グラフ学習に基づく手法において、かなりの進歩を遂げている。
論文 参考訳(メタデータ) (2022-07-08T17:43:20Z) - Accurate Machine Learned Quantum-Mechanical Force Fields for
Biomolecular Simulations [51.68332623405432]
分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。
近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。
本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
論文 参考訳(メタデータ) (2022-05-17T13:08:28Z) - Automatic Identification of Chemical Moieties [11.50343898633327]
本稿では, メッセージパッシングニューラルネットワークを用いて, 原子表現から化学量を自動的に同定する手法を提案する。
本手法の汎用性は, 化学データベースにおける代表成分の選択を可能にすることによって実証される。
論文 参考訳(メタデータ) (2022-03-30T10:58:23Z) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳(メタデータ) (2020-06-28T20:59:03Z)
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。