論文の概要: Differentiable graph-structured models for inverse design of lattice
materials
- arxiv url: http://arxiv.org/abs/2304.05422v2
- Date: Fri, 22 Sep 2023 13:25:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-25 19:03:18.439182
- 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: 異なる環境条件に適応可能な物理化学的性質を有する建築材料は、材料科学の破壊的な新しい領域を具現化している。
正規および不規則な格子材料に対するグラフベース表現を用いた新しい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: Architected materials possessing physico-chemical properties adaptable to
disparate environmental conditions embody a disruptive new domain of materials
science. Fueled by advances in digital design and fabrication, materials shaped
into lattice topologies enable a degree of property customization not afforded
to bulk materials. A promising venue for inspiration toward their design is in
the irregular micro-architectures of nature. However, the immense design
variability unlocked by such irregularity is challenging to probe analytically.
Here, we propose a new computational approach using graph-based representation
for regular and irregular lattice materials. Our method uses differentiable
message passing algorithms to calculate mechanical properties, therefore
allowing automatic differentiation with surrogate derivatives to adjust both
geometric structure and local attributes of individual lattice elements to
achieve inversely designed materials with desired properties. We further
introduce a graph neural network surrogate model for structural analysis at
scale. The methodology is generalizable to any system representable as
heterogeneous graphs.
- Abstract(参考訳): 異なる環境条件に適応可能な物理化学的性質を有する建築材料は、破壊的な新しい材料科学の領域を具現化する。
デジタルデザインと製造の進歩により、格子トポロジに形作られた材料は、バルク素材に適さないような特性のカスタマイズを可能にする。
彼らのデザインにインスピレーションを与える有望な場所は、不規則な自然のマイクロアーキテクチャである。
しかし、そのような不規則性によって解き放たれる膨大な設計変動は、分析的に調査することが困難である。
本稿では,正則および不規則格子材料に対するグラフ表現を用いた新しい計算手法を提案する。
そこで本手法では, 異なる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局所特性の両方を自動微分することで, 所望の特性を持つ逆設計材料を実現する。
さらに,大規模構造解析のためのグラフニューラルネットワークサロゲートモデルについても紹介する。
この方法論は、異種グラフとして表現可能な任意のシステムに一般化できる。
関連論文リスト
- VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards
Inverse Material Design [0.0]
材料設計において, 所定の特性を持つ材料を設計しようとする場合, 提案する新素材の合成可能性を確保することが重要な課題である。
私たちは、暗黙のデータセット関係、すなわち、ある物質をデータセット内の他の物質に分解することができることをエンコードします。
本稿では,この特性を潜在空間に保持し,新しいサンプルを生成可能なVAEモデルを提案する。
論文 参考訳(メタデータ) (2023-12-25T04:04:47Z) - 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。