論文の概要: Equivariant Message Passing Neural Network for Crystal Material
Discovery
- arxiv url: http://arxiv.org/abs/2302.00485v1
- Date: Wed, 1 Feb 2023 14:48:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 17:14:32.749695
- Title: Equivariant Message Passing Neural Network for Crystal Material
Discovery
- Title(参考訳): 結晶材料発見のための等変メッセージパッシングニューラルネットワーク
- Authors: Astrid Klipfel, Olivier Peltre, Najwa Harrati, Ya\"el Fregier, Adlane
Sayede, Zied Bouraoui
- Abstract要約: 教師なしの方法で結晶格子変形を学習する周期的同変メッセージパッシングニューラルネットワークを提案する。
本モデルは, 結晶生成, 緩和, 最適化に適した変形作用により格子に等価に作用する。
- 参考スコア(独自算出の注目度): 8.481798330936975
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic material discovery with desired properties is a fundamental
challenge for material sciences. Considerable attention has recently been
devoted to generating stable crystal structures. While existing work has shown
impressive success on supervised tasks such as property prediction, the
progress on unsupervised tasks such as material generation is still hampered by
the limited extent to which the equivalent geometric representations of the
same crystal are considered. To address this challenge, we propose EMPNN a
periodic equivariant message-passing neural network that learns crystal lattice
deformation in an unsupervised fashion. Our model equivalently acts on lattice
according to the deformation action that must be performed, making it suitable
for crystal generation, relaxation and optimisation. We present experimental
evaluations that demonstrate the effectiveness of our approach.
- Abstract(参考訳): 望ましい性質を持つ自動材料発見は、物質科学の基本的な課題である。
近年、安定な結晶構造の生成に注目が集まっている。
既存の研究は、特性予測のような教師付きタスクで顕著に成功したが、物質生成のような教師なしタスクの進行は、同じ結晶の同等な幾何学的表現が考慮される範囲で妨げられている。
そこで本研究では,非教師あり方式で結晶格子変形を学習する周期同変メッセージパッシングニューラルネットワークempnnを提案する。
本モデルは, 結晶生成, 緩和, 最適化に適した変形作用により, 格子上で等価に作用する。
提案手法の有効性を示す実験的評価を行った。
関連論文リスト
- Generative Design of Crystal Structures by Point Cloud Representations
and Diffusion Model [9.463520412544812]
本稿では, 点雲表現を利用して構造情報を符号化し, 合成可能な材料を生成するための枠組みを提案する。
我々の研究は、材料設計と合成の進歩への重要な貢献である。
論文 参考訳(メタデータ) (2024-01-24T02:36:52Z) - Vector Field Oriented Diffusion Model for Crystal Material Generation [13.988999939285307]
幾何学的同変GNNを用いて原子位置と結晶格子を共同で検討する確率的拡散モデルを提案する。
本稿では、Frechet Inception Distanceにインスパイアされた新しい世代メトリクスを導入するが、コンピュータビジョンで使用されるInceptionV3ではなく、GNNのエネルギー予測に基づいている。
論文 参考訳(メタデータ) (2023-12-20T09:55:48Z) - Scalable Diffusion for Materials Generation [110.39595661627155]
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) - 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) - Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。
本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。
その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
論文 参考訳(メタデータ) (2023-10-07T21:36:55Z) - A Crystal-Specific Pre-Training Framework for Crystal Material Property
Prediction [12.957415185028948]
結晶特性のラベル付けは、物理的シミュレーションや実験実験にかかわる高コストと時間のために本質的に困難である。
結晶は、周期的不変性( periodic invariance)として知られる特定の量子化学原理に従属する。
本稿では,自己超越による結晶表現学習のための,結晶固有の事前学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-08T16:46:11Z) - Unified Model for Crystalline Material Generation [9.940728137241214]
結晶格子と原子位置で同時に作用する2つの統一モデルを提案する。
我々のモデルは、熱力学的安定性に到達するために総エネルギーを下げることで任意の結晶の変形を学習することができる。
論文 参考訳(メタデータ) (2023-06-07T15:23:59Z) - Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。
物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。
本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
論文 参考訳(メタデータ) (2023-04-25T15:53:45Z) - Real-space detection and manipulation of topological edge modes with
ultracold atoms [56.34005280792013]
光学格子におけるキラルエッジモードを実現するための実験的プロトコルを実証する。
3つの異なるフロケトポロジカルな状態において,これらのエッジモードの粒子を効率的に調製する方法を示す。
本研究では, 界面にエッジモードが出現し, 電位ステップのシャープネスが変化するにつれて, 粒子の群速度がどう変化するかを検討する。
論文 参考訳(メタデータ) (2023-04-04T17:36:30Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-08T04:09:13Z)
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。