論文の概要: Prediction of superconducting properties of materials based on machine learning models

• arxiv url: http://arxiv.org/abs/2211.03075v1
• Date: Sun, 6 Nov 2022 10:24:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 18:49:12.736616
• Title: Prediction of superconducting properties of materials based on machine learning models
• Title（参考訳）: 機械学習モデルによる材料の超伝導特性の予測
• Authors: Jie Hu, Yongquan Jiang, Yang Yan, Houchen Zuo
• Abstract要約: 本論文は超伝導体同定にXGBoostモデルを用いることを提案する。 深部森林モデルによる超伝導体の臨界温度の予測 ディープフォレストの最初の応用による材料のバンドギャップの予測 フェルミエネルギーレベルを予測する最初のサブネットワークモデル。
• 参考スコア（独自算出の注目度）: 3.7492020569920723
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The application of superconducting materials is becoming more and more widespread. Traditionally, the discovery of new superconducting materials relies on the experience of experts and a large number of "trial and error" experiments, which not only increases the cost of experiments but also prolongs the period of discovering new superconducting materials. In recent years, machine learning has been increasingly applied to materials science. Based on this, this manuscript proposes the use of XGBoost model to identify superconductors; the first application of deep forest model to predict the critical temperature of superconductors; the first application of deep forest to predict the band gap of materials; and application of a new sub-network model to predict the Fermi energy level of materials. Compared with our known similar literature, all the above algorithms reach state-of-the-art. Finally, this manuscript uses the above models to search the COD public dataset and identify 50 candidate superconducting materials with possible critical temperature greater than 90 K.
• Abstract（参考訳）: 超伝導材料の応用はますます広くなってきている。 伝統的に、新しい超伝導材料の発見は、専門家の経験と多くの"trial and error"実験に依存しており、実験のコストを増加させるだけでなく、新しい超伝導材料の発見期間を延ばす。 近年、機械学習は材料科学にますます応用されている。 そこで本研究では,xgboostモデルを用いて超伝導体を特定すること,超伝導体の臨界温度を予測するためのディープフォレストモデルが初めて適用すること,材料のバンドギャップを予測するためにディープフォレストを初めて適用すること,および物質のフェルミエネルギーレベルを予測するための新しいサブネットワークモデルの適用を提案する。 既知の類似の文献と比較して、上記のアルゴリズムはすべて最先端に到達します。 最後に、この写本は上記のモデルを用いてcod公開データセットを検索し、90k以上の臨界温度を持つ50の候補超伝導材料を同定する。

関連論文リスト

• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。 このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。 普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Foundation Model for Composite Materials and Microstructural Analysis [49.1574468325115]
  複合材料に特化して設計された基礎モデルを提案する。 我々のモデルは、頑健な潜伏特性を学習するために、短繊維コンポジットのデータセット上で事前訓練されている。 転送学習中、MMAEはR2スコアが0.959に達し、限られたデータで訓練しても0.91を超えている均質化剛性を正確に予測する。
  論文  参考訳（メタデータ） (2024-11-10T19:06:25Z)
• AI-accelerated discovery of high critical temperature superconductors [9.926621857444765]
  我々は、深層モデルの事前学習と微調整技術、拡散モデル、物理に基づくアプローチを統合するAI検索エンジンを開発する。 非常に小さなサンプルセットに基づいて,AIモデルにより予測される臨界温度がT_c geq$15Kと予測された74個の動的安定材料を得た。
  論文  参考訳（メタデータ） (2024-09-12T14:16:56Z)
• Superfluid Stiffness and Flat-Band Superconductivity in Magic-Angle Graphene Probed by cQED [0.32018750515900324]
  魔法の角をねじった二層グラフェン(MATBG)の超伝導は、ムーア系の研究に強い関心を持つトピックである。 我々は、MATBGの超流動剛性を直接測定するために、直流輸送およびマイクロ波回路量子力学を用いる。 以上の結果から,MATBGは異方性ギャップを有する常温超伝導体であり,量子幾何学,超流動剛性,非常温超伝導とのつながりが強く示唆された。
  論文  参考訳（メタデータ） (2024-06-19T18:00:02Z)
• AI-accelerated Discovery of Altermagnetic Materials [48.261668305411845]
  新たな磁気相であるオルテルマグネティズムは、強磁性と反強磁性とを区別して理論的に提案され、実験的に検証されている。 本稿では,AI検索エンジンによる自動発見手法を提案する。 金属、半導体、絶縁体をカバーする新しい50の磁気材料を発見しました。
  論文  参考訳（メタデータ） (2023-11-08T01:06:48Z)
• End-to-end Material Thermal Conductivity Prediction through Machine Learning [1.5565958456748663]
  熱伝導率予測のための機械学習モデルは過度に適合する。 テストデータセットで達成した絶対誤差の平均値は50～60%の範囲に留まった。
  論文  参考訳（メタデータ） (2023-11-06T14:34:30Z)
• Investigation on Machine Learning Based Approaches for Estimating the Critical Temperature of Superconductors [4.271684331748043]
  本稿では,超伝導材料の複雑な特性を学習するために,積層機械学習手法を用いる。 他のアクセス可能な研究と比較すると、このモデルはRMSE 9.68とR2スコア0.922で有望な性能を示した。
  論文  参考訳（メタデータ） (2023-08-02T17:11:50Z)
• S2SNet: A Pretrained Neural Network for Superconductivity Discovery [4.114842429117009]
  本稿では,超伝導予測に注意機構を利用する新しいモデルS2SNetを提案する。 S2SNetは、新しい最先端の精度を92%、AUC(Area Under Curve)を0.92の精度で実現している。
  論文  参考訳（メタデータ） (2023-06-28T14:52:50Z)
• First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
  QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。 本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
  論文  参考訳（メタデータ） (2022-07-18T07:05:10Z)
• Advanced Multi-Variate Analysis Methods for New Physics Searches at the Large Hadron Collider [72.34476433304168]
  ava4newphysicsは、高度多変量解析法と統計学習ツールの高エネルギー物理学問題へのカスタマイズと応用を研究した。 これらの手法の多くは、CERNにおけるATLASおよびCMS実験によるデータ解析の感度向上に成功している。 テスト段階にある他のいくつかは、基礎物理学パラメータの測定の精度と新しい現象の探索の到達範囲をさらに改善することを約束している。
  論文  参考訳（メタデータ） (2021-05-16T22:20:30Z)
• Neutron Guide Building Instruments of the Brazilian Multipurpose Reactor (RMB) Project [58.720142291102135]
  本稿では,サビヤとアラポンガの2つの原楽器の標準設計要件について述べる。 これらはそれぞれ、低温および熱中性子測定器であり、小型アングル中性子散乱(SANS)と高分解性粉末中性子回折計(HRPND)に対応している。 ここでは、中性子ビームを同じガイド上の2つの異なる機器に輸送するための単純なガイドと分割ガイドの使用に関する最初の研究を提案する。
  論文  参考訳（メタデータ） (2020-03-11T11:57:55Z)

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。