論文の概要: DR-Label: Improving GNN Models for Catalysis Systems by Label Deconstruction and Reconstruction

• arxiv url: http://arxiv.org/abs/2303.02875v1
• Date: Mon, 6 Mar 2023 04:01:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 17:21:24.758010
• Title: DR-Label: Improving GNN Models for Catalysis Systems by Label Deconstruction and Reconstruction
• Title（参考訳）: DR-Label:ラベルデコンストラクションと再構成による触媒系のGNNモデルの改善
• Authors: Bowen Wang, Chen Liang, Jiaze Wang, Furui Liu, Shaogang Hao, Dong Li, Jianye Hao, Guangyong Chen, Xiaolong Zou, Pheng-Ann Heng
• Abstract要約: 本稿では,新しいグラフニューラルネットワーク(GNN)と予測戦略DR-Labelを提案する。 この戦略は、監視信号を強化し、エッジ表現における解の多重度を低減し、ノード予測を堅牢にすることを促す。 DR-Labelは3つの根本的に異なるモデルに適用され、それぞれが一貫した性能向上を示した。
• 参考スコア（独自算出の注目度）: 72.20024514713633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Attaining the equilibrium state of a catalyst-adsorbate system is key to fundamentally assessing its effective properties, such as adsorption energy. Machine learning methods with finer supervision strategies have been applied to boost and guide the relaxation process of an atomic system and better predict its properties at the equilibrium state. In this paper, we present a novel graph neural network (GNN) supervision and prediction strategy DR-Label. The method enhances the supervision signal, reduces the multiplicity of solutions in edge representation, and encourages the model to provide node predictions that are graph structural variation robust. DR-Label first Deconstructs finer-grained equilibrium state information to the model by projecting the node-level supervision signal to each edge. Reversely, the model Reconstructs a more robust equilibrium state prediction by transforming edge-level predictions to node-level with a sphere-fitting algorithm. The DR-Label strategy was applied to three radically distinct models, each of which displayed consistent performance enhancements. Based on the DR-Label strategy, we further proposed DRFormer, which achieved a new state-of-the-art performance on the Open Catalyst 2020 (OC20) dataset and the Cu-based single-atom-alloyed CO adsorption (SAA) dataset. We expect that our work will highlight crucial steps for the development of a more accurate model in equilibrium state property prediction of a catalysis system.
• Abstract（参考訳）: 触媒吸着系の平衡状態を達成することは吸着エネルギーなどの有効特性を根本的に評価するための鍵となる。 原子系の緩和過程を促進・誘導し、平衡状態におけるその特性をより正確に予測するために、より詳細な監視戦略を持つ機械学習手法が適用されている。 本稿では,新しいグラフニューラルネットワーク(GNN)と予測戦略DR-Labelを提案する。 この方法は、監督信号を強化し、エッジ表現における解の多重性を低減し、グラフ構造変化に頑健なノード予測を提供することをモデルに促す。 DR-Labelはまず、ノードレベルの監視信号を各エッジに投影することで、モデルによりきめ細かい平衡状態情報をデコンストラクトする。 逆に、モデルでは、エッジレベルの予測を球面適合アルゴリズムでノードレベルに変換することにより、より堅牢な平衡状態予測を再構成する。 DR-Labelの戦略は、3つの根本的に異なるモデルに適用された。 DR-Label の戦略に基づいて,我々は Open Catalyst 2020 (OC20) データセットと Cu-based single-atom-alloyed CO Adsorption (SAA) データセットで新たな最先端性能を実現する DRFormer を提案する。 我々は,触媒系の平衡状態特性予測において,より正確なモデルを開発するための重要なステップを明らかにすることを期待する。

関連論文リスト

• SeaDAG: Semi-autoregressive Diffusion for Conditional Directed Acyclic Graph Generation [83.52157311471693]
  方向性非巡回グラフ(DAG)の条件生成のための半自己回帰拡散モデルSeaDAGを紹介する。 グローバルグラフ構造を欠いた従来の自己回帰生成とは異なり,本手法は拡散ステップ毎に完全なグラフ構造を保持する。 本研究では,現実的なDAGを生成する拡散モデルの能力を高めるために,条件損失を伴うグラフ条件学習を明示的に訓練する。
  論文  参考訳（メタデータ） (2024-10-21T15:47:03Z)
• Predicting time-varying flux and balance in metabolic systems using structured neural-ODE processes [6.65374909183803]
  動的フラックスバランス解析の代替として,新しいデータ駆動型フレームワークを開発した。 提案するフレームワークはエンドツーエンドで、構造化されたニューラルODEプロセスモデルをトレーニングして、フラックスとバランスサンプルを推定する。
  論文  参考訳（メタデータ） (2024-10-18T12:41:41Z)
• ACTRESS: Active Retraining for Semi-supervised Visual Grounding [52.08834188447851]
  前回の研究であるRefTeacherは、疑似自信と注意に基づく監督を提供するために教師学生の枠組みを採用することで、この課題に取り組むための最初の試みである。 このアプローチは、Transformerベースのパイプラインに従う現在の最先端のビジュアルグラウンドモデルと互換性がない。 本稿では, ACTRESS を略したセミスーパービジョン視覚グラウンドのためのアクティブ・リトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:33:31Z)
• Data Assimilation in Chaotic Systems Using Deep Reinforcement Learning [0.5999777817331317]
  データ同化は、気候予報や天気予報から自動運転車の軌道計画まで、様々な応用において重要な役割を果たしている。 近年の進歩は、主に教師付き学習フレームワーク内で、この領域でディープラーニングアプローチが出現している。 本研究では、強化学習(RL)を用いて状態変数の完全あるいは部分的観測を用いて状態修正を行う新しいDA戦略を提案する。
  論文  参考訳（メタデータ） (2024-01-01T06:53:36Z)
• Dynamic Sub-graph Distillation for Robust Semi-supervised Continual Learning [52.046037471678005]
  半教師付き連続学習(SSCL)に焦点をあて、そのモデルが未知のカテゴリを持つ部分ラベル付きデータから徐々に学習する。 半教師付き連続学習のための動的サブグラフ蒸留法(DSGD)を提案する。
  論文  参考訳（メタデータ） (2023-12-27T04:40:12Z)
• Self-supervised Learning and Graph Classification under Heterophily [4.358149865548289]
  我々は,Metric(PGM)に基づく,事前学習型グラフニューラルネットワーク(GNN)のための新しい自己教師型戦略を提案する。 我々の戦略は、分子特性予測とタンパク質機能予測のための最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-14T12:32:38Z)
• Temporal-Structure-Assisted Gradient Aggregation for Over-the-Air Federated Edge Learning [24.248673415586413]
  本稿では,モデル集約系列の固有時間構造を特徴付けるマルコフ確率モデルを提案する。 本研究では,時間構造支援勾配集約(TSA-GA)と呼ばれるメッセージパッシングアルゴリズムを開発し,この推定課題を満たす。 提案するtsagaアルゴリズムは最先端技術を大幅に上回り,同等の学習性能を達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-03T09:13:27Z)
• Cyclic Label Propagation for Graph Semi-supervised Learning [52.102251202186025]
  本稿では,CycPropと呼ばれるグラフ半教師付き学習のための新しいフレームワークを提案する。 CycPropはGNNを周期的かつ相互に強化された方法でラベル伝播の過程に統合する。 特に,提案するCycPropでは,GNNモジュールが学習したノード埋め込みをラベル伝搬による拡張情報で更新する。
  論文  参考訳（メタデータ） (2020-11-24T02:55:40Z)
• Energy-based View of Retrosynthesis [70.66156081030766]
  エネルギーモデルとしてシーケンスおよびグラフベースの手法を統一するフレームワークを提案する。 本稿では,ベイズ前方および後方予測に対して一貫した訓練を行うフレームワーク内での新しい二重変種を提案する。 このモデルは、反応型が不明なテンプレートフリーアプローチに対して、最先端の性能を9.6%向上させる。
  論文  参考訳（メタデータ） (2020-07-14T18:51:06Z)

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。