論文の概要: Family of Two Dimensional Transition Metal Dichlorides Fundamental Properties, Structural Defects, and Environmental Stability

• arxiv url: http://arxiv.org/abs/2205.00874v1
• Date: Fri, 29 Apr 2022 10:01:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 09:19:46.080244
• Title: Family of Two Dimensional Transition Metal Dichlorides Fundamental Properties, Structural Defects, and Environmental Stability
• Title（参考訳）: 2次元遷移金属二塩化物の基本物性、構造欠陥および環境安定性の族
• Authors: Andrey A. Kistanov, Stepan A. Shcherbinin, Romain Botella, Artur Davletshin, Wei Cao
• Abstract要約: 多数の新しい2D素材が常に発見され、データベースに分解される。 この連鎖の次のステップとして、この研究は発明された材料の機能に関する包括的な研究に繋がる。 本研究は, 発明された材料のポテンシャルの活用の重要性を強調し, 新しい2次元材料群を包括的に評価することを提案する。
• 参考スコア（独自算出の注目度）: 6.098877408363052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A large number of novel two-dimensional (2D) materials are constantly discovered and deposed into the databases. Consolidate implementation of machine learning algorithms and density functional theory (DFT) based predictions have allowed creating several databases containing an unimaginable amount of 2D samples. The next step in this chain, the investigation leads to a comprehensive study of the functionality of the invented materials. In this work, a family of transition metal dichlorides has been screened out for systematical investigation of their structural stability, fundamental properties, structural defects, and environmental stability via DFT based calculations. The work highlights the importance of using the potential of the invented materials and proposes a comprehensive characterization of a new family of 2D materials.
• Abstract（参考訳）: 多数の新しい2次元材料(2D)が常に発見され、データベースに分解される。 機械学習アルゴリズムと密度汎関数理論(DFT)に基づく予測の統一実装により、想像できない量の2Dサンプルを含むデータベースを複数作成できるようになった。 この連鎖の次のステップでは、この研究は発明された材料の機能に関する包括的な研究に繋がる。 本研究では, 遷移金属二塩化物族について, 構造安定性, 基本特性, 構造欠陥, およびdftに基づく環境安定性を体系的に検討するために, 検討を行った。 本研究は, 発明された材料の可能性を利用することの重要性を強調し, 新たな2次元材料ファミリーの包括的特徴付けを提案する。

関連論文リスト

• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Stoichiometry Representation Learning with Polymorphic Crystal Structures [54.65985356122883]
  確率論記述子は、構造的な情報を持たない特定の化合物を形成するために関係する要素間の比を明らかにすることができる。 本稿では,手軽に利用できる構造情報を利用して,確率論の確率的表現を学習するPolySRLを提案する。
  論文  参考訳（メタデータ） (2023-11-17T20:34:28Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  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)
• Multimodal machine learning for materials science: composition-structure bimodal learning for experimentally measured properties [4.495968252019426]
  本稿では,構成構造ビモーダル学習による材料科学におけるマルチモーダル機械学習の新しいアプローチを提案する。 提案するCOSNetは,不完全な構造情報を持つ実験材料特性の学習と予測を強化するために設計されている。
  論文  参考訳（メタデータ） (2023-08-04T02:04:52Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)
• Accelerate & Actualize: Can 2D Materials Bridge the Gap Between Neuromorphic Hardware and the Human Brain? [0.6423239719448168]
  二次元(2D)材料は、フォン・ノイマンの計算アーキテクチャパラダイムを超えたデバイスやシステムにとってエキサイティングな機会となる。 非揮発性メモリ(NVM)デバイスの主要クラスは2D材料で実証されている。
  論文  参考訳（メタデータ） (2023-01-24T19:21:39Z)
• Discovery of 2D materials using Transformer Network based Generative Design [0.0]
  トランスフォーマーをベースとした自己学習型ニューラルネットワークモデルを用いて,2つの2次元材料合成ジェネレータを訓練する。 その後、モデルは多数の候補となる2D合成を生成するために使用され、結晶構造予測のために既知の2D材料テンプレートに供給される。 我々は,NiCl$_4$,IrSBr,CuBr$_3$,CoBrClの4つの新しいDFT認定安定2D材料について報告する。
  論文  参考訳（メタデータ） (2023-01-14T05:59:38Z)
• Data-driven multi-scale modeling and robust optimization of composite structure with uncertainty quantification [0.42581756453559755]
  この章では、先進的なデータ駆動手法を示し、先進的な複合材料をマルチスケールでモデリングするために開発・追加する能力について概説する。 代理モデル/エミュレータによって駆動される有限要素法(FEM)シミュレーションに基づく複合構造物のマルチスケールモデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-10-13T16:40:11Z)
• Computational discovery of new 2D materials using deep learning generative models [6.918364447822299]
  2次元(2次元)材料は多くの適用の有望な機能材料として現われました。 ランダムな森林ベースの2次元材料と組み合わせた組成生成のためのディープラーニング生成モデルを提案する。 267,489の新しい2D材料組成を発見し、12の2D/多層材料を確認しました。
  論文  参考訳（メタデータ） (2020-12-16T23:10:48Z)

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。