論文の概要: Compact Graph Representation of molecular crystals using Point-wise
Distance Distributions
- arxiv url: http://arxiv.org/abs/2212.11246v1
- Date: Mon, 19 Dec 2022 18:48:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 15:56:48.615755
- Title: Compact Graph Representation of molecular crystals using Point-wise
Distance Distributions
- Title(参考訳): ポイントワイド距離分布を用いた分子結晶のコンパクトグラフ表現
- Authors: Jonathan Balasingham, Viktor Zamaraev, Vitaliy Kurlin
- Abstract要約: グラフは構造をキャプチャするが、結晶が示す対称性には不変である。
最先端の結果を含むいくつかのプロパティ予測では、Crystal Graphを使用している。
- 参考スコア(独自算出の注目度): 2.191505742658975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Use of graphs to represent molecular crystals has become popular in recent
years as they provide a natural translation from atoms and bonds to nodes and
edges. Graphs capture structure, while remaining invariant to the symmetries
that crystals display. Several works in property prediction, including those
with state-of-the-art results, make use of the Crystal Graph. The present work
offers a graph based on Point-wise Distance Distributions which retains
symmetrical invariance, decreases computational load, and yields similar or
better prediction accuracy on both experimental and simulated crystals.
- Abstract(参考訳): 分子結晶を表すグラフの利用は、原子や結合からノードやエッジへの自然な翻訳を提供することによって近年人気を集めている。
グラフは構造をキャプチャするが、結晶が示す対称性には不変である。
最先端の結果を含むいくつかのプロパティ予測では、Crystal Graphを使用している。
本研究は, 対称不変性を保持し, 計算負荷を減少させ, 実験結晶およびシミュレーション結晶の予測精度を向上させる点距離分布に基づくグラフを提供する。
関連論文リスト
- Graph Generation via Spectral Diffusion [51.60814773299899]
本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGRASPを提案する。
具体的には、固有ベクトルと固有値のサンプリングにデノナイジングモデルを用い、グラフラプラシアン行列と隣接行列を再構成する。
我々の置換不変モデルは各ノードの固有ベクトルに連結することでノードの特徴を扱える。
論文 参考訳(メタデータ) (2024-02-29T09:26:46Z) - Sampling and Uniqueness Sets in Graphon Signal Processing [136.68956350251418]
グラフとグラフの極限の理論を活用して、大きなグラフの族上のサンプリング集合の性質について検討する。
我々は、収束結果を利用して、ほぼ最適なサンプリングセットを得るアルゴリズムを提供する。
論文 参考訳(メタデータ) (2024-01-11T22:31:48Z) - PerCNet: Periodic Complete Representation for Crystal Graphs [3.7050297294650716]
合理的な結晶表現法は、局所的および大域的な情報をキャプチャするべきである。
無限拡張結晶材料に対する周期的完全表現と計算アルゴリズムを提案する。
提案した表現に基づいて,結晶材料特性を予測するネットワークPerCNetを提案する。
論文 参考訳(メタデータ) (2023-12-03T08:55:35Z) - Enhanced sampling of Crystal Nucleation with Graph Representation Learnt
Variables [0.0]
低次元変数を導出するオートエンコーダを用いたグラフニューラルネットワークに基づく学習手法を提案する。
これらの変数は、状態から状態への遷移と信頼できる熱力学的重みを観察するために強化されたサンプリングでバイアスされる。
論文 参考訳(メタデータ) (2023-10-11T22:52:27Z) - DiGress: Discrete Denoising diffusion for graph generation [79.13904438217592]
DiGressは、分類ノードとエッジ属性を持つグラフを生成するための離散化拡散モデルである。
分子と非分子のデータセットで最先端のパフォーマンスを実現し、最大3倍の妥当性が向上する。
また、1.3Mの薬物様分子を含む大規模なGuacaMolデータセットにスケールする最初のモデルでもある。
論文 参考訳(メタデータ) (2022-09-29T12:55:03Z) - 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) - Edge Direction-invariant Graph Neural Networks for Molecular Dipole
Moments Prediction [0.0]
分子内の双極子モーメントを表現するための新しい埋め込み法を開発した。
開発モデルは、拡張されたジオメトリを持つ分子に対しても合理的に機能することを示す。
我々は,ab-initio計算に匹敵する精度で予測結果を大幅に改善する。
論文 参考訳(メタデータ) (2022-06-26T12:52:17Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳(メタデータ) (2022-02-05T08:21:04Z) - Geometric properties of evolutionary graph states and their detection on
a quantum computer [0.0]
IBMの量子コンピュータibmq-manilaの計算に基づいて、チェーン、三角形、正方形のグラフ状態の幾何学的特性を検出する。
論文 参考訳(メタデータ) (2021-08-29T20:31:37Z) - From Spectrum Wavelet to Vertex Propagation: Graph Convolutional
Networks Based on Taylor Approximation [85.47548256308515]
グラフ畳み込みネットワーク(GCN)は、最近、ラベル付きデータと高次元特徴を持つデータセットの基盤構造を抽出するために利用されている。
既存のGCNは、主にグラフウェーブレット-カーネルの1次チェビシェフ近似に依存している。
論文 参考訳(メタデータ) (2020-07-01T20:07:13Z) - Convergence and Stability of Graph Convolutional Networks on Large
Random Graphs [22.387735135790706]
グラフ畳み込みネットワーク(GCN)の特性をランダムグラフの標準モデル上で解析することによって検討する。
まず,GCNの連続的な収束について検討し,ノード数の増加について検討する。
ランダムグラフモデルの小さな変形に対するGCNの安定性を解析する。
論文 参考訳(メタデータ) (2020-06-02T18:36:19Z)
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。