Fugu-MT 論文翻訳(概要): Unsupervised learning for structure detection in plastically deformed crystals

論文の概要: Unsupervised learning for structure detection in plastically deformed crystals

arxiv url: http://arxiv.org/abs/2212.14813v2
Date: Tue, 14 May 2024 07:12:35 GMT
ステータス: 処理完了
システム内更新日: 2024-05-15 20:09:59.401086
Title: Unsupervised learning for structure detection in plastically deformed crystals
Title（参考訳）: 塑性変形結晶の構造検出のための教師なし学習
Authors: Armand Barbot, Riccardo Gatti,
Abstract要約: 塑性変形下で結晶内構造を自動的に検出する教師なし学習アルゴリズムを提案する。結合角分布に基づく局所パラメータを用いて,従来の手作り基準よりも高い精度で,より多くの構造を検出できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Detecting structures at the particle scale within plastically deformed crystalline materials allows a better understanding of the occurring phenomena. While previous approaches mostly relied on applying hand-chosen criteria on different local parameters, these approaches could only detect already known structures.We introduce an unsupervised learning algorithm to automatically detect structures within a crystal under plastic deformation. This approach is based on a study developed for structural detection on colloidal materials. This algorithm has the advantage of being computationally fast and easy to implement. We show that by using local parameters based on bond-angle distributions, we are able to detect more structures and with a higher degree of precision than traditional hand-made criteria.
Abstract（参考訳）: 塑性変形した結晶材料中の粒子スケールで構造を検出することで、発生した現象をよりよく理解することができる。従来の手法は, 異なる局所パラメータに対する手振り基準の適用に大きく依存していたが, これらの手法は既知構造のみを検出することができ, 塑性変形下で結晶内の構造を自動的に検出する教師なし学習アルゴリズムを導入している。このアプローチは、コロイド材料の構造検出のために開発された研究に基づいている。このアルゴリズムは計算が高速で実装が容易であるという利点がある。結合角分布に基づく局所パラメータを用いて,従来の手作り基準よりも高い精度で,より多くの構造を検出できることを示す。

関連論文リスト

Unleashing the power of novel conditional generative approaches for new materials discovery [3.972733741872872]
結晶構造設計問題に対する2つの生成的アプローチを提案する。 1つは条件付き構造変化であり、最もエネルギー的に好ましい構造と全てのより安定なポリモルフィックの間のエネルギー差を利用する。もう1つは条件付き構造の生成であり、最もエネルギー的に好ましい構造と、その全てのより安定したポリモルフィックの間のエネルギー差を利用する。
論文参考訳（メタデータ） (2024-11-05T14:58:31Z)
Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-10-02T04:01:38Z)
Generative Hierarchical Materials Search [91.93125016916463]
結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。 GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。 GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
論文参考訳（メタデータ） (2024-09-10T17:51:28Z)
Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文参考訳（メタデータ） (2024-07-26T10:29:16Z)
Scalable Diffusion for Materials Generation [99.71001883652211]
我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。材料の生成モデルを評価するための追加指標を提案する。
論文参考訳（メタデータ） (2023-10-18T15:49:39Z)
Latent Conservative Objective Models for Data-Driven Crystal Structure Prediction [62.36797874900395]
計算化学において、結晶構造予測は最適化問題である。この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
論文参考訳（メタデータ） (2023-10-16T04:35:44Z)
Shotgun crystal structure prediction using machine-learned formation energies [3.2563787689949133]
組み立てられた原子の結晶構造は、原子配置の広い空間内でエネルギー表面の大域的または局所的なミニマを見つけることで予測できる。本稿では,結晶構造予測問題の解決に向けた大きな進展を示す。我々は,機械学習エネルギー予測器を備えた仮想結晶構造の大規模なライブラリを用いて,非定常単発スクリーニングを行った。
論文参考訳（メタデータ） (2023-05-03T14:46:16Z)
Atomic structure generation from reconstructing structural fingerprints [1.2128971613239876]
本稿では、原子中心対称性関数を表現として、条件付き変分オートエンコーダを生成モデルとして、エンドツーエンド構造生成手法を提案する。我々は、概念実証として、サブナノメーターPtナノ粒子の新規で有効な原子構造を生成することに成功した。
論文参考訳（メタデータ） (2022-07-27T00:42:59Z)
Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文参考訳（メタデータ） (2022-02-22T15:39:00Z)
Crystal structure prediction of materials with high symmetry using differential evolution [0.5249805590164902]
本稿では, 遺伝的アルゴリズムを用いて, 予測された構造物の接点マップと実構造物の接点マップとのマッチングを最大化するために, 接点マップに基づく結晶構造予測法を提案する。結晶構造を高対称性で予測する際、大域最適化アルゴリズムは化学式を満たすWPの効果的な組み合わせを見つけるのが困難であることがわかった。提案するアルゴリズムCMCrystalHSは,不整合接触地図次元の問題を効果的に解き,高対称性の結晶構造を予測できる。
論文参考訳（メタデータ） (2021-04-20T05:10:19Z)
Wave based damage detection in solid structures using artificial neural networks [0.02294014185517203]
本稿では,ニューラルネットワークが構造特性の初期あるいは変化を認識する能力について考察する。 CNNモデルは、構造物内の亀裂発生後の伝播波場の変化を特定するために使用される。モデルのトレーニングにはまだ時間がかかるが,提案手法は新たなひび割れ検出や構造的健康モニタリング手法として大きな可能性を秘めている。
論文参考訳（メタデータ） (2021-03-30T13:31:50Z)

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。