論文の概要: An iterative unbiased geometric approach to identifying crystalline
order and disorder via denoising score function model
- arxiv url: http://arxiv.org/abs/2212.02421v1
- Date: Mon, 5 Dec 2022 17:18:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 19:35:15.163457
- Title: An iterative unbiased geometric approach to identifying crystalline
order and disorder via denoising score function model
- Title（参考訳）: 点数関数モデルによる結晶秩序と乱れの同定のための反復的アンバイアス幾何学的アプローチ
- Authors: Tim Hsu, Babak Sadigh, Nicolas Bertin, Cheol Woo Park, James Chapman,
Vasily Bulatov, Fei Zhou
- Abstract要約: 固体の原子論的シミュレーションでは、熱ゆらぎの存在下で結晶相と格子欠陥を分類する能力が不可欠である。
熱雑音を除去し,基礎となる結晶秩序不規則を回復するデノナイジングスコア関数を開発した。
- 参考スコア（独自算出の注目度）: 3.6302902879420302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In atomistic simulations of solids, ability to classify crystal phases and
lattice defects in the presence of thermal fluctuations is essential for
gaining deeper insights into the simulated dynamics. The need for accurate and
efficient characterization methods is especially acute in presently emerging
large-scale simulations of multi-phase systems far from equilibrium. Taking the
perspective that delineating order and disorder features from ubiquitous
thermal vibrations is akin to extracting signal from noise, we consider
classification of ordered phases and identification of disordered crystal
defects to be fundamentally the same problem and address them both with a
unified approach: a denoising score function that removes thermal noise and
recovers any underlying crystalline order-disorder. Built on a rotationally
equivariant graph neural network (NequIP), the denoiser was trained entirely
with synthetically noised structures and requires no simulation data during
training. To demonstrate its denoising capabilities, the denoiser is shown to
effectively remove thermal vibrations of BCC, FCC, and HCP crystal structures
without impacting the underlying disordered defects, including point defects,
dislocations, grain boundaries, and liquid disorder. In particular the denoiser
was applied to two relatively complex MD simulations that present practical
challenges: a Cu solidification trajectory involving a polymorphic nucleus, and
a trajectory of BCC Ta undergoing plastic deformation resulting in dislocation
networks and point defect clusters. In both cases the denoiser facilitates or
trivializes the subsequent characterization of the order-disorder features.
Lastly, we outline future work to extend our denoising model to more complex
crystal structures and to multi-element systems.
- Abstract（参考訳）: 固体の原子論的シミュレーションでは、熱揺らぎの存在下で結晶相と格子欠陥を分類する能力はシミュレーション力学の深い洞察を得るために不可欠である。
高精度で効率的なキャラクタリゼーション手法の必要性は、特に、平衡から遠く離れた多相系の大規模シミュレーションにおいて特に急激である。
ユビキタス熱振動から秩序と障害の特徴を抽出することは、ノイズから信号を取り出すのに似ており、秩序相の分類と乱れた結晶欠陥の同定は基本的に同じ問題であり、熱ノイズを除去し、基礎となる結晶秩序の秩序を回復するデノナイジングスコア関数(denoising score function)という統一的なアプローチで対処する。
回転同変グラフニューラルネットワーク(NequIP)上に構築され、合成ノイズ構造で完全にトレーニングされ、トレーニング中にシミュレーションデータを必要としない。
偏極性を示すために, 点欠陥, 転位, 粒界, 液体障害などの根底にある欠陥に影響を及ぼすことなく, BCC, FCC, HCP結晶構造の熱振動を効果的に除去できることが示される。
特に,ポリモルフィック核を含むCu固化軌道と,転位ネットワークと点欠陥クラスターを生じる塑性変形を受けるBCCTaの軌道の2つの比較的複雑なMDシミュレーションに適用した。
どちらの場合も、デノイザは次の順序の不順序特徴の特徴づけを促進または単純化する。
最後に,より複雑な結晶構造や多要素系へのデノナイジングモデルの拡張に向けた今後の取り組みについて概説する。
関連論文リスト
- Data-Driven Score-Based Models for Generating Stable Structures with
Adaptive Crystal Cells [1.515687944002438]
本研究は, 化学安定性や化学組成など, 新しい結晶構造を創出することを目的としている。
提案手法の新規性は、結晶細胞の格子が固定されていないという事実にある。
対称性の制約を尊重し、計算上の優位性をもたらす多グラフ結晶表現が導入された。
論文 参考訳（メタデータ） (2023-10-16T02:53:24Z) - Accurate melting point prediction through autonomous physics-informed
learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。
固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文 参考訳（メタデータ） (2023-06-23T07:53:09Z) - Denoising diffusion algorithm for inverse design of microstructures with
fine-tuned nonlinear material properties [0.0]
非線形微調整特性を持つ微細構造を発見するための分極拡散アルゴリズムを提案する。
畳み込みニューラルネットワークサロゲートは、高忠実度有限要素シミュレーションを置き換えるために訓練され、許容範囲外のプロトタイプをフィルタリングする。
このアルゴリズムは、オープンソースのメカニカルMNISTデータセットでテストされる。
論文 参考訳（メタデータ） (2023-02-24T20:31:48Z) - Amortized Inference for Heterogeneous Reconstruction in Cryo-EM [36.911133113707045]
低温電子顕微鏡(cryo-EM)は、タンパク質やその他の生命の構成要素の力学に関する洞察を提供する。
生物分子のポーズ、3次元構造、配座の不均一性を共同で推定するアルゴリズムの課題は未解決のままである。
この方法であるCryoFIREは、不動化フレームワークで未知のポーズを伴って、ab initioheregeneous Restructionを行う。
精度を損なうことなく、何百万もの画像を含むデータセットに対して、1桁のスピードアップを提供できることを示す。
論文 参考訳（メタデータ） (2022-10-13T22:06:38Z) - Trapped-Ion Quantum Simulation of Collective Neutrino Oscillations [55.41644538483948]
量子計算を用いて,Nニュートリノ系のコヒーレントな集団振動を2成分近似でシミュレートする手法について検討した。
第2次トロッタースズキ公式を用いたゲート複雑性は,量子信号処理などの他の分解方法よりも,システムサイズに優れることがわかった。
論文 参考訳（メタデータ） (2022-07-07T09:39:40Z) - Accessing the topological Mott insulator in cold atom quantum simulators
with realistic Rydberg dressing [58.720142291102135]
本稿では, コールド・ライドバーグ型原子を用いた光学格子の量子シミュレーションの現実的シナリオについて検討する。
本研究では, 平均場近似において, 半次および非共役充填時の位相図の詳細な解析を行う。
さらに、平均場近似における温度に対する相の安定性について検討する。
論文 参考訳（メタデータ） (2022-03-28T14:55:28Z) - Grain segmentation in atomistic simulations using orientation-based
iterative self-organizing data analysis [0.0]
教師なし機械学習アルゴリズムを用いて、原子論的な構成の粒界分割法を提案する。
提案手法はOrisodataアルゴリズムと呼ばれ,反復的な自己組織化データ解析手法に基づいて,向き空間で動作するように修正されている。
その結果,Orisodataアルゴリズムは変形双対と低角粒界で分離された領域を正確に同定できることがわかった。
論文 参考訳（メタデータ） (2021-12-06T20:44:39Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z) - Learning Mixtures of Low-Rank Models [89.39877968115833]
低ランクモデルの計算混合を学習する問題について検討する。
ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。
さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
論文 参考訳（メタデータ） (2020-09-23T17:53:48Z) - Bayesian Force Fields from Active Learning for Simulation of
Inter-Dimensional Transformation of Stanene [3.708456605408296]
本稿では,多体カーネルに基づく原子間力場に対するガウス過程モデルを劇的に高速化する方法を提案する。
これにより、ほぼ量子精度、組込みの不確実性、一定の評価コストを組み合わせたモデルの自動アクティブラーニングが可能になる。
論文 参考訳（メタデータ） (2020-08-26T20:27:19Z)
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。