論文の概要: Equivariant Parameter Sharing for Porous Crystalline Materials
- arxiv url: http://arxiv.org/abs/2304.01628v3
- Date: Wed, 29 Nov 2023 15:46:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 04:03:40.014599
- Title: Equivariant Parameter Sharing for Porous Crystalline Materials
- Title(参考訳): 多孔質結晶材料の等変パラメータ共有
- Authors: Marko Petkovi\'c, Pablo Romero-Marimon, Vlado Menkovski and Sofia
Calero
- Abstract要約: 既存の結晶特性予測法は、制限的すぎる制約を持つか、単位細胞間で対称性を組み込むのみである。
我々は、結晶の単位セルの対称性をアーキテクチャに組み込んだモデルを開発し、多孔質構造を明示的にモデル化する。
提案手法は, 既存の結晶特性予測法よりも優れた性能を示し, 対称性の包含によりより効率的なモデルが得られることを確認した。
- 参考スコア(独自算出の注目度): 4.271235935891555
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficiently predicting properties of porous crystalline materials has great
potential to accelerate the high throughput screening process for developing
new materials, as simulations carried out using first principles model are
often computationally expensive. To effectively make use of Deep Learning
methods to model these materials, we need to utilize the symmetries present in
the crystals, which are defined by their space group. Existing methods for
crystal property prediction either have symmetry constraints that are too
restrictive or only incorporate symmetries between unit cells. In addition,
these models do not explicitly model the porous structure of the crystal. In
this paper, we develop a model which incorporates the symmetries of the unit
cell of a crystal in its architecture and explicitly models the porous
structure. We evaluate our model by predicting the heat of adsorption of CO$_2$
for different configurations of the mordenite zeolite. Our results confirm that
our method performs better than existing methods for crystal property
prediction and that the inclusion of pores results in a more efficient model.
- Abstract(参考訳): 多孔質結晶材料の特性を効率的に予測することは、第1原理モデルを用いたシミュレーションが計算コストが高いため、新しい材料を開発するための高スループットスクリーニングプロセスを加速する大きな可能性を秘めている。
深層学習法を効果的に活用し,これらの材料をモデル化するためには,その空間群によって定義される結晶に存在する対称性を利用する必要がある。
既存の結晶特性予測法は、制限的すぎる対称性の制約を持つか、単位セル間で対称性を組み込むのみである。
さらに、これらのモデルは結晶の多孔質構造を明示的にモデル化していない。
本稿では,結晶の単位セルの対称性をその構造に組み込んだモデルを開発し,その多孔質構造を明示的にモデル化する。
モルデナイトゼオライトの異なる組成に対するCO$_2$の吸着熱を予測し,本モデルの評価を行った。
本手法は, 既存の結晶特性予測法よりも優れた性能を示し, 細孔の内包によりより効率的なモデルが得られることを確認した。
関連論文リスト
- Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳(メタデータ) (2024-02-26T05:51:47Z) - 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) - Normalizing flows for atomic solids [67.70049117614325]
原子状固体をモデル化するための正規化フローに基づく機械学習手法を提案する。
我々は,単原子水としてモデル化された立方晶および六角形氷のヘルムホルツ自由エネルギー推定と,切り離されたレナード・ジョーンズ系について報告する。
以上の結果から, 結晶形状に制約を加えることなく, 流動の正規化により, 固体の高品質な試料と自由エネルギー推定が可能であることが示唆された。
論文 参考訳(メタデータ) (2021-11-16T18:54:49Z) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳(メタデータ) (2021-11-10T21:19:02Z) - 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)
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。