論文の概要: Predicting Density of States via Multi-modal Transformer
- arxiv url: http://arxiv.org/abs/2303.07000v1
- Date: Mon, 13 Mar 2023 10:57:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 15:37:24.025163
- Title: Predicting Density of States via Multi-modal Transformer
- Title(参考訳): マルチモーダル変圧器による状態密度予測
- Authors: Namkyeong Lee, Heewoong Noh, Sungwon Kim, Dongmin Hyun, Gyoung S. Na,
Chanyoung Park
- Abstract要約: 本稿では,DOSの性質を反映して状態密度(DOS)を予測するモデルを提案する。
結晶構造とエネルギーから得られる異種情報を多モードトランスにより統合する。
- 参考スコア(独自算出の注目度): 9.125855764637794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The density of states (DOS) is a spectral property of materials, which
provides fundamental insights on various characteristics of materials. In this
paper, we propose a model to predict the DOS by reflecting the nature of DOS:
DOS determines the general distribution of states as a function of energy.
Specifically, we integrate the heterogeneous information obtained from the
crystal structure and the energies via multi-modal transformer, thereby
modeling the complex relationships between the atoms in the crystal structure,
and various energy levels. Extensive experiments on two types of DOS, i.e.,
Phonon DOS and Electron DOS, with various real-world scenarios demonstrate the
superiority of DOSTransformer. The source code for DOSTransformer is available
at https://github.com/HeewoongNoh/DOSTransformer.
- Abstract(参考訳): 状態密度 (DOS) は材料のスペクトル特性であり、材料の様々な特性に関する基本的な洞察を提供する。
本稿では,dosの性質を反映してdosを予測するモデルを提案する:dosはエネルギーの関数として状態の一般分布を決定する。
具体的には、結晶構造とエネルギーから得られる異種情報を多モード変圧器を介して統合し、結晶構造中の原子と様々なエネルギーレベルの間の複雑な関係をモデル化する。
Phonon DOSとElectron DOSの2種類のDOSに関する大規模な実験は、DOSTransformerの優位性を実証している。
DOSTransformerのソースコードはhttps://github.com/HeewoongNoh/DOSTransformerで入手できる。
関連論文リスト
- Density of States Prediction of Crystalline Materials via Prompt-guided
Multi-Modal Transformer [29.65849862607246]
状態密度 (DOS) は結晶材料のスペクトル特性である。
DOSはエネルギーの関数として状態の一般分布を決定する。
結晶材料とエネルギーから得られる異種情報を多モードトランスにより統合することを提案する。
論文 参考訳(メタデータ) (2023-10-24T13:43:17Z) - 2-D SSM: A General Spatial Layer for Visual Transformers [79.4957965474334]
コンピュータビジョンの中心的な目的は、適切な2次元帰納バイアスを持つモデルを設計することである。
多次元状態空間モデルの表現的変動を利用する。
本稿では,効率的なパラメータ化,高速化計算,適切な正規化方式を提案する。
論文 参考訳(メタデータ) (2023-06-11T09:41:37Z) - Holistically Explainable Vision Transformers [136.27303006772294]
本稿では,B-cos変換器を提案する。
具体的には、各モデルコンポーネント(多層パーセプトロン、注意層、トークン化モジュールなど)を動的線形に定式化する。
提案した設計をViT(Vision Transformers)に適用し,Bcos-ViTと呼ばれるモデルが高解釈可能であり,ベースラインのViTと競合することを示す。
論文 参考訳(メタデータ) (2023-01-20T16:45:34Z) - Foundation Transformers [105.06915886136524]
我々は、真の汎用モデリングのためのファンデーショントランスフォーマーの開発を求めている。
本研究では,その目的を達成するための変圧器の変種であるマグニートーを導入する。
論文 参考訳(メタデータ) (2022-10-12T17:16:27Z) - One Transformer Can Understand Both 2D & 3D Molecular Data [94.93514673086631]
我々はTransformer-Mと呼ばれる新しい分子モデルを開発した。
入力として2Dまたは3Dフォーマットの分子データを取り込み、意味のある意味表現を生成する。
実験の結果,Transformer-Mは2次元および3次元のタスクで高い性能を同時に達成できることがわかった。
論文 参考訳(メタデータ) (2022-10-04T17:30:31Z) - Unleashing the Power of Transformer for Graphs [28.750700720796836]
Transformerはグラフを扱う際にスケーラビリティの問題に悩まされる。
デュアルエンコードトランス (DET) と呼ばれる新しいトランスアーキテクチャを提案する。
DETは、接続された隣人からの情報を集約する構造エンコーダと、意味的に有用な遠隔ノードにフォーカスする意味エンコーダを備えている。
論文 参考訳(メタデータ) (2022-02-18T06:40:51Z) - Realization of a transition between type-I and type-II Dirac semimetals
in monolayers [0.6117371161379208]
タイプIとタイプIIのディラック半金属間の遷移は、一連の重要な物理的性質を明らかにする。
現在までの遷移を実現するためのメカニズムや材料は提案されていない。
この遷移は、ジグザグ鎖からなる2次元(2次元)材料で、外部ひずみを調整して実現可能である。
論文 参考訳(メタデータ) (2021-08-17T01:55:45Z) - ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias [76.16156833138038]
コンボリューション, ie, ViTAEから内在性IBを探索するビジョントランスフォーマーを提案する。
ViTAEはいくつかの空間ピラミッド縮小モジュールを備えており、入力イメージをリッチなマルチスケールコンテキストでトークンに埋め込む。
各トランス層では、ViTAEはマルチヘッド自己保持モジュールと平行な畳み込みブロックを持ち、その特徴は融合されフィードフォワードネットワークに供給される。
論文 参考訳(メタデータ) (2021-06-07T05:31:06Z) - Learning the electronic density of states in condensed matter [0.0]
状態の電子密度(DOS)の予測を目的とした機械学習(ML)フレームワークの構築における課題について論じる。
幅広い熱力学条件にまたがるシリコンの構成を含む,挑戦的なケーススタディを示す。
構造的特徴と電子的特徴の関連性に関する物理的知見を抽出するために, DOSの原子中心分解を用いる方法を示す。
論文 参考訳(メタデータ) (2020-06-21T14:01:51Z)
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。