Fugu-MT 論文翻訳(概要): Prediction of $\textrm{CO}_2$ Adsorption in Nano-Pores with Graph Neural Networks

論文の概要: Prediction of $\textrm{CO}_2$ Adsorption in Nano-Pores with Graph Neural Networks

arxiv url: http://arxiv.org/abs/2209.07567v1
Date: Mon, 22 Aug 2022 04:22:21 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 18:01:16.707647
Title: Prediction of $\textrm{CO}_2$ Adsorption in Nano-Pores with Graph Neural Networks
Title（参考訳）: グラフニューラルネットワークを用いたナノポーラス中の$\textrm{co}_2$吸着の予測
Authors: Guojing Cong, Anshul Gupta, Rodrigo Neumann, Maira de Bayser, Mathias Steiner, Breannd\'an \'O Conch\'uir
Abstract要約: 本モデルは,吸着材料候補の原子学的記述を含む標準構造入力ファイルのみに基づく。従来の機械学習モデルの予測精度に適合する新しい手法拡張を構築した。当社のアプローチは, 産業規模でのガス捕捉プロセスの最適化に広く適用することができる。
参考スコア（独自算出の注目度）: 2.6424064030995957
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We investigate the graph-based convolutional neural network approach for predicting and ranking gas adsorption properties of crystalline Metal-Organic Framework (MOF) adsorbents for application in post-combustion capture of $\textrm{CO}_2$. Our model is based solely on standard structural input files containing atomistic descriptions of the adsorbent material candidates. We construct novel methodological extensions to match the prediction accuracy of classical machine learning models that were built with hundreds of features at much higher computational cost. Our approach can be more broadly applied to optimize gas capture processes at industrial scale.
Abstract（参考訳）: 本研究では, グラフ型畳み込みニューラルネットワークを用いて, 結晶性金属-有機フレームワーク (mof) 吸着剤のガス吸着特性を予測・評価し, 燃焼後捕集における$\textrm{co}_2$。本モデルは,吸着材料候補の原子学的記述を含む標準構造入力ファイルのみに基づく。我々は,従来の機械学習モデルの予測精度に適合する新しい手法拡張を構築し,より高い計算コストで数百の機能を組み込んだ。本手法は,産業規模でのガス捕捉プロセスの最適化に広く適用可能である。

関連論文リスト

KA-GNN: Kolmogorov-Arnold Graph Neural Networks for Molecular Property Prediction [16.53371673077183]
本稿では,KAN(Kolmogorov-Arnold Network)ベースのグラフニューラルネットワーク(KA-GNN)を用いた新しいグラフニューラルネットワークモデルを提案する。このモデルは、計算資源の利用において極めて効率的でありながら、kan法の高い解釈可能性特性を維持している。 7つの公開データセットでテストされ、検証されたKA-GNNは、既存のSOTA(State-of-the-art)ベンチマークに対して、プロパティ予測を大幅に改善した。
論文参考訳（メタデータ） (2024-10-15T06:44:57Z)
Graph Neural Networks for Carbon Dioxide Adsorption Prediction in Aluminium-Exchanged Zeolites [3.909855210960908]
分子シミュレーションと比較して吸着特性が4～5桁高速なモデルを提案する。機械学習モデルから得られた予測はモンテカルロシミュレーションから得られた値と一致している。このモデルは, 吸着部位の同定に有効であることを示す。
論文参考訳（メタデータ） (2024-03-19T11:49:08Z)
Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文参考訳（メタデータ） (2022-10-31T04:04:03Z)
Predicting CO$_2$ Absorption in Ionic Liquids with Molecular Descriptors and Explainable Graph Neural Networks [9.04563945965023]
液体(IL)は、温暖化を緩和するためにCO$$の捕獲と貯蔵のための有望なソリューションを提供する。本研究では,指紋に基づく機械学習モデルとグラフニューラルネットワーク(GNN)の両方を開発し,ILにおけるCO$の予測を行う。従来のMLモデルよりも精度が高い(MAEは0.0137,$R2$は0.9884)。
論文参考訳（メタデータ） (2022-09-29T18:31:12Z)
Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文参考訳（メタデータ） (2022-09-15T13:52:15Z)
Graph neural networks for the prediction of molecular structure-property relationships [59.11160990637615]
グラフニューラルネットワーク(GNN)は、分子グラフ上で直接動作する新しい機械学習手法である。 GNNは、エンドツーエンドでプロパティを学習できるため、情報記述子の必要性を回避することができる。本稿では、分子特性予測のための2つの例を通して、GNNの基礎を説明し、GNNの応用を実証する。
論文参考訳（メタデータ） (2022-07-25T11:30:44Z)
Graph Machine Learning for Design of High-Octane Fuels [47.43758223690195]
コンピュータ支援分子設計(CAMD)は、所望の自己着火特性を持つ分子を識別することができる。本稿では,生成グラフMLモデルとグラフニューラルネットワークと最適化を統合したグラフ-ML CAMDフレームワークを提案する。我々は、さらなる自動点火訓練データの必要性を実験的に調査し、説明するために使用した。
論文参考訳（メタデータ） (2022-06-01T16:43:04Z)
Neural Capacitance: A New Perspective of Neural Network Selection via Edge Dynamics [85.31710759801705]
現在の実践は、性能予測のためのモデルトレーニングにおいて高価な計算コストを必要とする。本稿では,学習中のシナプス接続(エッジ)上の制御ダイナミクスを解析し,ニューラルネットワーク選択のための新しいフレームワークを提案する。我々のフレームワークは、ニューラルネットワークトレーニング中のバックプロパゲーションがシナプス接続の動的進化と等価であるという事実に基づいて構築されている。
論文参考訳（メタデータ） (2022-01-11T20:53:15Z)
Towards explainable message passing networks for predicting carbon dioxide adsorption in metal-organic frameworks [2.1445455835823624]
金属-有機フレームワーク(英: Metal-organic framework、MOF)は、化石燃料発電所の排気ガスから二酸化炭素を捕捉するために用いられるナノ多孔質材料である。本研究では,メッセージパッシングニューラルネットワーク(MPNN)の設計とトレーニングを行い,模擬CO$をMOFで予測する。
論文参考訳（メタデータ） (2020-12-02T12:54:26Z)
Global Attention based Graph Convolutional Neural Networks for Improved Materials Property Prediction [8.371766047183739]
我々は,グラフニューラルネットワークに基づく無機材料特性の予測モデルであるGATGNNを開発した。提案手法は, 従来のモデルの予測よりも優れており, 材料の結晶化に関する知見を提供することができる。
論文参考訳（メタデータ） (2020-03-11T07:43:14Z)
Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-01-06T05:36:57Z)

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。