論文の概要: Rapid Design of Top-Performing Metal-Organic Frameworks with Qualitative
Representations of Building Blocks
- arxiv url: http://arxiv.org/abs/2302.09184v1
- Date: Fri, 17 Feb 2023 23:24:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 19:58:10.930916
- Title: Rapid Design of Top-Performing Metal-Organic Frameworks with Qualitative
Representations of Building Blocks
- Title(参考訳): ビルディングブロックの定性表現を用いたトップパーパフォーミング型金属-有機フレームワークの高速設計
- Authors: Yigitcan Comlek, Thang Duc Pham, Randall Snurr, Wei Chen
- Abstract要約: 金属フレームワーク(MOF)は、そのような物質システムの一例である。
異なるビルディングブロックによるMOFの表現は、設計者が質的な情報を設計の最適化に組み込むことを困難にしている。
本研究では,遅延可変ガウス過程 (LVGP) と多目的バッチベイズ最適化 (MOBBO) を統合し,人間の介入なしに高い性能のMOFを適応的に,自律的に,効率的に識別する。
- 参考スコア(独自算出の注目度): 6.739378766136524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data-driven materials design often encounters challenges where systems
require or possess qualitative (categorical) information. Metal-organic
frameworks (MOFs) are an example of such material systems. The representation
of MOFs through different building blocks makes it a challenge for designers to
incorporate qualitative information into design optimization. Furthermore, the
large number of potential building blocks leads to a combinatorial challenge,
with millions of possible MOFs that could be explored through time consuming
physics-based approaches. In this work, we integrated Latent Variable Gaussian
Process (LVGP) and Multi-Objective Batch-Bayesian Optimization (MOBBO) to
identify top-performing MOFs adaptively, autonomously, and efficiently without
any human intervention. Our approach provides three main advantages: (i) no
specific physical descriptors are required and only building blocks that
construct the MOFs are used in global optimization through qualitative
representations, (ii) the method is application and property independent, and
(iii) the latent variable approach provides an interpretable model of
qualitative building blocks with physical justification. To demonstrate the
effectiveness of our method, we considered a design space with more than 47,000
MOF candidates. By searching only ~1% of the design space, LVGP-MOBBO was able
to identify all MOFs on the Pareto front and more than 97% of the 50
top-performing designs for the CO$_2$ working capacity and CO$_2$/N$_2$
selectivity properties. Finally, we compared our approach with the Random
Forest algorithm and demonstrated its efficiency, interpretability, and
robustness.
- Abstract(参考訳): データ駆動材料設計は、システムが質的な(カテゴリー的な)情報を必要とする、または保持する課題にしばしば遭遇する。
金属-有機フレームワーク(mofs)は、そのような材料システムの例である。
異なるビルディングブロックによるMOFの表現は、設計者が質的な情報を設計の最適化に組み込むことを困難にしている。
さらに、多くの潜在的なビルディングブロックが組み合わさった挑戦につながり、物理学に基づくアプローチに時間を費やすことで、数百万のMOFが探索できる可能性がある。
本研究では,遅延可変ガウス過程 (LVGP) と多目的バッチベイズ最適化 (MOBBO) を統合し,人間の介入なしに高い性能のMOFを適応的に,自律的に,効率的に識別する。
私たちのアプローチには3つの大きな利点があります
(i) 特定の物理記述子は不要であり, 定性表現による大域最適化においてMOFを構成するブロックのみが使用される。
(ii)その方法は、適用及び財産独立であり、
(iii)潜在変数アプローチは、物理的正当化を伴う質的ビルディングブロックの解釈可能なモデルを提供する。
提案手法の有効性を示すために, 47,000 以上の MOF 候補を持つ設計空間を検討した。
LVGP-MOBBOは、設計空間のわずか1%しか探索せず、パレートフロントのすべてのMOFを識別することができ、CO$_2$作業容量とCO$_2$/N$_2$選択性を持つ50の最高性能設計の97%以上を達成できた。
最後に,本手法をランダムフォレストアルゴリズムと比較し,その効率,解釈性,ロバスト性を示した。
関連論文リスト
- Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And
Efficient Combinatorial Materials Design [15.840852223499303]
メタモデルに基づく混合変数GSA法を開発した。
数値ケーススタディを通じて,混合変数問題に対する提案手法の有効性を検証し,実証する。
本手法は,多層設計空間の最適化に感度解析を利用することができる。
論文 参考訳(メタデータ) (2023-10-23T17:29:53Z) - MOFDiff: Coarse-grained Diffusion for Metal-Organic Framework Design [4.819734936375677]
金属-有機フレームワーク(MOF)は、ガス貯蔵や炭素捕獲といった応用に非常に関心がある。
CGMOF構造を生成する粗粒拡散モデルMOFDiffを提案する。
有効かつ斬新なMOF構造の生成能力と優れたMOF材料の設計における有効性を評価する。
論文 参考訳(メタデータ) (2023-10-16T18:00:15Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Multi-Agent Reinforcement Learning for Microprocessor Design Space
Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。
この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。
評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文 参考訳(メタデータ) (2022-11-29T17:10:24Z) - MOFormer: Self-Supervised Transformer model for Metal-Organic Framework
Property Prediction [7.367477168940467]
金属有機フレームワーク(英: Metal-Organic Frameworks、MOFs)は、エネルギー貯蔵、脱塩、ガス貯蔵、ガス分離などの用途に使用できる多孔質材料である。
特定のアプリケーションに最適なMOFを見つけるには、膨大な数の候補を効率よく正確に探索する必要がある。
そこで本研究では,MOFの特性予測のために,MOFormerと呼ばれるトランスフォーマーモデルに基づく構造に依存しないディープラーニング手法を提案する。
論文 参考訳(メタデータ) (2022-10-25T17:29:42Z) - Conservative Objective Models for Effective Offline Model-Based
Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。
本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。
COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文 参考訳(メタデータ) (2021-07-14T17:55:28Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z) - Multi-Objective Evolutionary Design of CompositeData-Driven Models [0.0]
この手法はGPComp@Freeと呼ばれるモデル設計のためのパラメータフリーな遺伝的アルゴリズムに基づいている。
実験結果から, モデル設計に対する多目的アプローチにより, 得られたモデルの多様性と品質が向上することが確認された。
論文 参考訳(メタデータ) (2021-03-01T20:45:24Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳(メタデータ) (2021-02-16T06:04:27Z)
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。