Fugu-MT 論文翻訳(概要): Counting Molecules: Python based scheme for automated enumeration and categorization of molecules in scanning tunneling microscopy images

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

Pre-trained Molecular Language Models with Random Functional Group Masking [54.900360309677794]
SMILESをベースとしたアンダーリネム分子アンダーリネム言語アンダーリネムモデルを提案し,特定の分子原子に対応するSMILESサブシーケンスをランダムにマスキングする。この技術は、モデルに分子構造や特性をよりよく推測させ、予測能力を高めることを目的としている。
論文参考訳（メタデータ） (2024-11-03T01:56:15Z)
SMiCRM: A Benchmark Dataset of Mechanistic Molecular Images [0.8192907805418583]
本稿では,アロープッシングアノテーションを用いた化学分子の機械認識能力をベンチマークするためのデータセットを提案する。このデータセットには、各画像に対する機械可読な分子アイデンティティと、化学反応中に電子の流れを示す機械的矢印が含まれている。
論文参考訳（メタデータ） (2024-07-25T18:52:10Z)
Time resolved quantum tomography in molecular spectroscopy by the Maximal Entropy Approach [1.7563879056963012]
光化学反応における分子電子状態間の量子コヒーレンスの役割は何か? 最大エントロピー (MaxEnt) に基づく量子状態トモグラフィ (Quantum State Tomography, QST) アプローチは、分子動力学の研究においてユニークな利点をもたらす。本稿では,分子の向きに依存した振動ダイナミクスを正確に把握する分子角分布モーメント(MADM)を利用する2つの方法を提案する。電子サブシステムの絡み合いエントロピーを初めて構築することで、画期的なマイルストーンを達成する。
論文参考訳（メタデータ） (2024-07-23T16:43:01Z)
UniIF: Unified Molecule Inverse Folding [67.60267592514381]
全分子の逆折り畳みのための統一モデルUniIFを提案する。提案手法は,全タスクにおける最先端手法を超越した手法である。
論文参考訳（メタデータ） (2024-05-29T10:26:16Z)
Molecular Identification via Molecular Fingerprint extraction from Atomic Force Microscopy images [0.0]
深層学習モデルは、一定の高さのHR-AFM画像の3Dスタックに符号化された化学情報や構造情報を検索することができる。本研究では, トポロジカルフィンガーによる分子構造記述の確立により, それらの限界を克服する。指紋による仮想検診を他のDLモデルによって提供されるグローバルな情報で補完することは可能であることを示す。
論文参考訳（メタデータ） (2024-05-07T13:47:35Z)
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)
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)
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)
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。