論文の概要: Differentiable graph-structured models for inverse design of lattice
materials
- arxiv url: http://arxiv.org/abs/2304.05422v1
- Date: Tue, 11 Apr 2023 18:00:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 17:02:17.659835
- Title: Differentiable graph-structured models for inverse design of lattice
materials
- Title(参考訳): 格子材料の逆設計のための微分可能なグラフ構造モデル
- Authors: Dominik Dold, Derek Aranguren van Egmond
- Abstract要約: 環境特異的材料の設計にインスピレーションを与えるための有望な場所は、自然界で見られる複雑な微細構造と格子幾何学である。
本稿では,正規および不規則な格子材料に対するグラフ表現を用いた計算手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Materials possessing flexible physico-chemical properties that adapt
on-demand to the hostile environmental conditions of deep space will become
essential in defining the future of space exploration. A promising venue for
inspiration towards the design of environment-specific materials is in the
intricate micro-architectures and lattice geometry found throughout nature.
However, the immense design space covered by such irregular topologies is
challenging to probe analytically. For this reason, most synthetic lattice
materials have to date been based on periodic architectures instead. Here, we
propose a computational approach using a graph representation for both regular
and irregular lattice materials. Our method uses differentiable message passing
algorithms to calculate mechanical properties, and therefore allows using
automatic differentiation to adjust both the geometric structure and attributes
of individual lattice elements to design materials with desired properties. The
introduced methodology is applicable to any system representable as a
heterogeneous graph, including other types of materials.
- Abstract(参考訳): 深宇宙の敵対的な環境条件にオンデマンドで適応する柔軟な物理化学的性質を持つ物質は、宇宙探査の未来を定義する上で必須となる。
環境特異的材料の設計にインスピレーションを与えるための有望な場所は、自然界で見られる複雑な微細構造と格子幾何学である。
しかし、そのような不規則なトポロジーによってカバーされる膨大な設計空間は、分析的に調査することが困難である。
そのため、ほとんどの合成格子材料は、その代わりに周期的アーキテクチャに基づいていた。
本稿では,正規および不規則な格子材料に対するグラフ表現を用いた計算手法を提案する。
本手法では, 微分可能なメッセージパッシングアルゴリズムを用いて機械的特性を計算し, 個々の格子要素の幾何学的構造と属性を自動微分により調整し, 所望の特性を有する材料を設計できる。
導入された手法は、他の種類の材料を含む異種グラフとして表現可能なシステムに適用できる。
関連論文リスト
- Equivariant graph convolutional neural networks for the representation of homogenized anisotropic microstructural mechanical response [1.283555556182245]
異なるミクロ構造材料対称性を持つ複合材料は、工学的応用において一般的である。
異方性成分を持つ材料の効果的な均質化モデルを提供するニューラルネットワークアーキテクチャを提供する。
論文 参考訳(メタデータ) (2024-04-05T14:49:01Z) - A Hitchhiker's Guide to Geometric GNNs for 3D Atomic Systems [87.30652640973317]
原子系の計算モデリングの最近の進歩は、これらを3次元ユークリッド空間のノードとして埋め込まれた原子を含む幾何学的グラフとして表現している。
Geometric Graph Neural Networksは、タンパク質構造予測から分子シミュレーション、物質生成まで、幅広い応用を駆動する機械学習アーキテクチャとして好まれている。
本稿では,3次元原子システムのための幾何学的GNNの分野について,包括的で自己完結した概要を述べる。
論文 参考訳(メタデータ) (2023-12-12T18:44:19Z) - 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) - FAENet: Frame Averaging Equivariant GNN for Materials Modeling [123.19473575281357]
データ変換による任意のモデルE(3)-同変や不変化を実現するために,フレームアラグリング(SFA)に依存したフレキシブルなフレームワークを導入する。
本手法の有効性を理論的および実験的に証明し, 材料モデリングにおける精度と計算スケーラビリティを実証する。
論文 参考訳(メタデータ) (2023-04-28T21:48:31Z) - Learning the nonlinear dynamics of soft mechanical metamaterials with
graph networks [3.609538870261841]
ソフトメカニカルメタマテリアルの力学を研究する機械学習手法を提案する。
提案手法は直接数値シミュレーションと比較して計算コストを大幅に削減することができる。
論文 参考訳(メタデータ) (2022-02-24T00:20:28Z) - Formula graph self-attention network for representation-domain
independent materials discovery [3.67735033631952]
本稿では,理論のみと構造に基づく材料記述子の両方を統一する公式グラフの新たな概念を提案する。
本稿では,式グラフに類似した自己注意統合GNNを開発し,提案アーキテクチャが2つの領域間で伝達可能な材料埋め込みを生成することを示す。
我々のモデルは、構造に依存しない従来のGNNよりも大幅に優れています。
論文 参考訳(メタデータ) (2022-01-14T19:49:45Z) - 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) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳(メタデータ) (2021-10-26T07:02:14Z) - Deep Generative Modeling for Mechanistic-based Learning and Design of
Metamaterial Systems [20.659457956055366]
深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。
本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。
機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
論文 参考訳(メタデータ) (2020-06-27T03:56:55Z) - Building powerful and equivariant graph neural networks with structural
message-passing [74.93169425144755]
本稿では,2つのアイデアに基づいた,強力かつ同変なメッセージパッシングフレームワークを提案する。
まず、各ノードの周囲の局所的コンテキスト行列を学習するために、特徴に加えてノードの1ホット符号化を伝搬する。
次に,メッセージのパラメトリゼーション手法を提案する。
論文 参考訳(メタデータ) (2020-06-26T17:15:16Z)
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。