論文の概要: Material Property Prediction using Graphs based on Generically Complete Isometry Invariants

• arxiv url: http://arxiv.org/abs/2212.11246v3
• Date: Tue, 7 May 2024 13:41:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 20:42:53.473752
• Title: Material Property Prediction using Graphs based on Generically Complete Isometry Invariants
• Title（参考訳）: 遺伝的完全等尺不変量に基づくグラフを用いた材料特性予測
• Authors: Jonathan Balasingham, Viktor Zamaraev, Vitaliy Kurlin,
• Abstract要約: この研究は、頂点集合が結晶構造の非対称単位よりも大きくない単純なグラフに対して、ポイントワイズ距離分布を適用する。 分布グラフは平均絶対誤差を0.6%-12%減少させ、結晶グラフと比較して頂点数の44%-88%を減少させる。
• 参考スコア（独自算出の注目度）: 3.031375888004876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The structure-property hypothesis says that the properties of all materials are determined by an underlying crystal structure. The main obstacle was the ambiguity of conventional crystal representations based on incomplete or discontinuous descriptors that allow false negatives or false positives. This ambiguity was resolved by the ultra-fast Pointwise Distance Distribution (PDD), which distinguished all periodic structures in the world's largest collection of real materials (Cambridge Structural Database). The state-of-the-art results in property predictions were previously achieved by graph neural networks based on various graph representations of periodic crystals, including the Crystal Graph with vertices at all atoms in a crystal unit cell. This work adapts the Pointwise Distance Distribution for a simpler graph whose vertex set is not larger than the asymmetric unit of a crystal structure. The new Distribution Graph reduces mean-absolute-error by 0.6\%-12\% while having 44\%-88\% of the number of vertices when compared to the crystal graph when applied on the Materials Project and Jarvis-DFT datasets using CGCNN and ALIGNN. Methods for hyper-parameters selection for the graph are backed by the theoretical results of the Pointwise Distance Distribution and are then experimentally justified.
• Abstract（参考訳）: 構造優位仮説(英語版)は、全ての材料の性質は基礎となる結晶構造によって決定されると述べている。 主な障害は、偽陰性または偽陽性を許容する不完全または不連続な記述子に基づく従来の結晶表現の曖昧さであった。 この曖昧さは超高速のポイントワイド距離分布 (PDD) によって解決され、これは世界最大の実物のコレクション(ケンブリッジ構造データベース)における全ての周期構造を区別した。 特性予測の最先端の結果は、結晶単位セル内の全ての原子に頂点を持つ結晶グラフを含む、周期性結晶の様々なグラフ表現に基づくグラフニューラルネットワークによって以前達成された。 この研究は、頂点集合が結晶構造の非対称単位よりも大きくないより単純なグラフに対して、ポイントワイズ距離分布を適用する。 新しい分布グラフは、CGCNNとALIGNNを用いたマテリアルプロジェクトとJarvis-DFTデータセットに適用した場合、平均絶対誤差を0.6\%-12\%削減し、結晶グラフと比較した場合の頂点数の44\%-88\%を達成している。 グラフのハイパーパラメータ選択法は、ポイントワイド距離分布の理論結果に裏付けられ、実験的に正当化される。

関連論文リスト

• Generalization of Geometric Graph Neural Networks [84.01980526069075]
  幾何グラフニューラルネットワーク(GNN)の一般化能力について検討する。 我々は,このGNNの最適経験リスクと最適統計リスクとの一般化ギャップを証明した。 最も重要な観察は、前の結果のようにグラフのサイズに制限されるのではなく、1つの大きなグラフで一般化能力を実現することができることである。
  論文  参考訳（メタデータ） (2024-09-08T18:55:57Z)
• PDDFormer: Pairwise Distance Distribution Graph Transformer for Crystal Material Property Prediction [8.36720478795747]
  本稿では,原子重み付きペアワイド距離分布 (WPDD) とユニットセルペアワイド距離分布 (UPDD) を初めて提案し,これをマルチエッジ結晶グラフの構築に取り入れた。 本手法は原子位置のわずかな摂動の下でも結晶グラフの連続性と完全性を維持することを実証する。
  論文  参考訳（メタデータ） (2024-08-23T11:05:48Z)
• CrysToGraph: A Comprehensive Predictive Model for Crystal Materials Properties and the Benchmark [16.456990796982186]
  我々はCrysToGraph(textbfCrys$tals with $textbfT$ransformers $textbfo$n $textbfGraph$s)を提案する。 CrysToGraphは、トランスフォーマーベースのグラフ畳み込みブロックと、グラフワイドトランスフォーマーブロックとの長距離インタラクションを効果的にキャプチャする。 これは既存のほとんどの方法より優れており、非伝統的な結晶と伝統的な結晶の両方のベンチマークで新しい最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-07-23T02:31:06Z)
• Complete and Efficient Graph Transformers for Crystal Material Property Prediction [53.32754046881189]
  結晶構造は、3次元空間の正則格子に沿って繰り返される原始単位セル内の原子塩基によって特徴づけられる。 本稿では,各原子の格子に基づく表現を確立するために,単位細胞の周期パターンを利用する新しい手法を提案する。 結晶材料に特化して設計されたSE(3)トランスであるComFormerを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:06:37Z)
• 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)
• 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)
• Graph Out-of-Distribution Generalization with Controllable Data Augmentation [51.17476258673232]
  グラフニューラルネットワーク(GNN)は,グラフ特性の分類において異常な性能を示した。 トレーニングとテストデータの選択バイアスが原因で、分散偏差が広まっています。 仮想サンプルの分布偏差を測定するためのOODキャリブレーションを提案する。
  論文  参考訳（メタデータ） (2023-08-16T13:10:27Z)
• 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)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。