論文の概要: Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis

• arxiv url: http://arxiv.org/abs/2210.09783v1
• Date: Tue, 18 Oct 2022 11:54:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 16:16:47.326137
• Title: Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis
• Title（参考訳）: 機械学習最適化ペロブスカイトナノプレート合成
• Authors: Carola Lampe, Ioannis Kouroudis, Milan Harth, Stefan Martin, Alessio Gagliardi, Alexander S. Urban
• Abstract要約: 総合成量200のCsPbBr3ナノプレート(NPL)の品質向上のためのアルゴリズムを開発した。 このアルゴリズムは、前駆率に基づいて、NPL分散のPL放出最大値を予測することができる。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the demand for renewable energy and efficient devices rapidly increasing, a need arises to find and optimize novel (nano)materials. This can be an extremely tedious process, often relying significantly on trial and error. Machine learning has emerged recently as a powerful alternative; however, most approaches require a substantial amount of data points, i.e., syntheses. Here, we merge three machine-learning models with Bayesian Optimization and are able to dramatically improve the quality of CsPbBr3 nanoplatelets (NPLs) using only approximately 200 total syntheses. The algorithm can predict the resulting PL emission maxima of the NPL dispersions based on the precursor ratios, which lead to previously unobtainable 7 and 8 ML NPLs. Aided by heuristic knowledge, the algorithm should be easily applicable to other nanocrystal syntheses and significantly help to identify interesting compositions and rapidly improve their quality.
• Abstract（参考訳）: 再生可能エネルギーと効率的な装置の需要が急速に増大するにつれ、新しい(ナノ)物質を発見・最適化する必要性が高まっている。 これは非常に面倒なプロセスであり、しばしば試行錯誤に大きく依存する。 機械学習は強力な代替手段として最近登場したが、ほとんどのアプローチでは大量のデータポイント、すなわち合成を必要とする。 ここでは,3つの機械学習モデルとベイズ最適化を融合し,約200個の全合成を用いてCsPbBr3ナノプレート(NPL)の品質を劇的に向上させることができる。 このアルゴリズムは、前駆体比に基づいて、npl分散のpl放出最大値を予測することができ、従来は観測できなかった7mlおよび8mlnplとなる。 ヒューリスティックな知識により、このアルゴリズムは他のナノ結晶合成にも容易に適用でき、興味深い組成を同定し、その品質を迅速に向上するのに役立つ。

関連論文リスト

• Self-Boosting Large Language Models with Synthetic Preference Data [97.94185115047999]
  モデルアライメントのための合成選好データを活用する自己ブースティングパラダイムであるSynPOを紹介する。 4回のSynPOイテレーションの後、Llama3-8BとMistral-7Bは命令追従能力を大幅に強化した。 SynPO は様々なタスクにおける LLM の一般的な性能を改善し、よく認識された Open LLM のリーダーボード上で平均スコアが 3.2 から 5.0 に向上した。
  論文  参考訳（メタデータ） (2024-10-09T14:57:31Z)
• Towards Effective and Efficient Continual Pre-training of Large Language Models [163.34610964970258]
  CPT(Continuous pre-training)は、特定のドメインやタスクに言語モデルを適用する上で重要なアプローチである。 本稿では,Llama-3 (8B) の継続事前訓練に関する技術的報告を報告する。 バックボーンモデルの中国語能力と科学的推論能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-07-26T13:55:21Z)
• Bespoke Nanoparticle Synthesis and Chemical Knowledge Discovery Via Autonomous Experimentations [6.544041907979552]
  本稿では,光学特性を目標としたナノ粒子(NP)の設計のための自律的な実験プラットフォームについて報告する。 このプラットフォームは、AI最適化モデリングのフィードバックに基づいて、NPのバッチ合成モジュールとUV-Vis分光モジュールの間をクローズループで動作させる。 優れた材料開発効率に加えて、合成変数の解析により、Ag NP合成におけるクエン酸の効果を含む新しい化学が明らかにされる。
  論文  参考訳（メタデータ） (2023-09-01T09:15:04Z)
• INVICTUS: Optimizing Boolean Logic Circuit Synthesis via Synergistic Learning and Search [18.558280701880136]
  最先端論理合成アルゴリズムは、多数の論理最小化を持つ。 INVICTUSは、以前に見られた設計のトレーニングデータセットに基づいて、論理最小化のシーケンスを生成する。
  論文  参考訳（メタデータ） (2023-05-22T15:50:42Z)
• Extracting Structured Seed-Mediated Gold Nanorod Growth Procedures from Literature with GPT-3 [52.59930033705221]
  1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。 1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
  論文  参考訳（メタデータ） (2023-04-26T22:21:33Z)
• Neural Speech Synthesis on a Shoestring: Improving the Efficiency of LPCNet [35.44634252321666]
  我々はLPCNetの効率を改善し、多種多様なデバイスで利用できるようにする。 2.5倍高速に動作しながら, 合成品質の向上を実証した。 結果として得られるオープンソースのLPCNetアルゴリズムは、既存のほとんどの携帯電話でリアルタイムなニューラルシンセシスを実行でき、組み込みデバイスでも使用することができる。
  論文  参考訳（メタデータ） (2022-02-22T20:42:00Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• Towards Online Steering of Flame Spray Pyrolysis Nanoparticle Synthesis [0.5280518172740245]
  火炎噴霧熱分解(英: Flame Spray Pyrolysis、FSP)は、エネルギー材料、合成、複合材料などへの応用を目的とした、工業化されたナノ粒子を大量生産する製造技術である。 FSP機器は、燃料噴射速度、燃料と酸素の混合、温度などの調整可能なパラメータに大きく依存しており、生成したナノ粒子の品質、量、性質に大きな影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2020-10-16T16:38:16Z)
• Predictive Synthesis of Quantum Materials by Probabilistic Reinforcement Learning [1.4680035572775534]
  本研究では, 半超電導単層MoS$_2$の量子材料に対する最適合成スケジュールの予測に強化学習を用いる。 このモデルは、多相ヘテロ構造を含む複雑な構造の合成のためのプロファイルを予測するために拡張することができる。
  論文  参考訳（メタデータ） (2020-09-14T20:50:45Z)
• Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
  反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。 既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。 本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
  論文  参考訳（メタデータ） (2020-06-29T05:53:33Z)

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。