論文の概要: Unified Model for Crystalline Material Generation
- arxiv url: http://arxiv.org/abs/2306.04510v1
- Date: Wed, 7 Jun 2023 15:23:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 13:54:35.841380
- Title: Unified Model for Crystalline Material Generation
- Title(参考訳): 結晶材料生成のための統一モデル
- Authors: Astrid Klipfel and Ya\"el Fr\'egier and Adlane Sayede and Zied
Bouraoui
- Abstract要約: 結晶格子と原子位置で同時に作用する2つの統一モデルを提案する。
我々のモデルは、熱力学的安定性に到達するために総エネルギーを下げることで任意の結晶の変形を学習することができる。
- 参考スコア(独自算出の注目度): 9.940728137241214
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the greatest challenges facing our society is the discovery of new
innovative crystal materials with specific properties. Recently, the problem of
generating crystal materials has received increasing attention, however, it
remains unclear to what extent, or in what way, we can develop generative
models that consider both the periodicity and equivalence geometric of crystal
structures. To alleviate this issue, we propose two unified models that act at
the same time on crystal lattice and atomic positions using periodic
equivariant architectures. Our models are capable to learn any arbitrary
crystal lattice deformation by lowering the total energy to reach thermodynamic
stability. Code and data are available at https://github.com/aklipf/GemsNet.
- Abstract(参考訳): 私たちの社会が直面する最大の課題の1つは、特定の特性を持つ新しい革新的な結晶材料の発見です。
近年, 結晶材料生成の問題に注目が集まっているが, 結晶構造の周期性と等値性を考慮した生成モデルの開発は, どの程度の程度, あるいはどのようにして行うことができるかは定かではない。
この問題を軽減するために,周期同変構造を用いて結晶格子と原子位置を同時に作用する2つの統一モデルを提案する。
我々のモデルは、全エネルギーを下げて熱力学的安定性に達することで任意の結晶格子変形を学習することができる。
コードとデータはhttps://github.com/aklipf/gemsnetで入手できる。
関連論文リスト
- 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) - Equivariant Message Passing Neural Network for Crystal Material
Discovery [8.481798330936975]
教師なしの方法で結晶格子変形を学習する周期的同変メッセージパッシングニューラルネットワークを提案する。
本モデルは, 結晶生成, 緩和, 最適化に適した変形作用により格子に等価に作用する。
論文 参考訳(メタデータ) (2023-02-01T14:48:18Z) - Physics guided deep learning generative models for crystal materials
discovery [7.7755483163557155]
Deepfakeのようなディープラーニングベースの生成モデルは、素晴らしい画像やビデオを生成することができる。
ここでは, 物理的指向性データ拡張の活用と付加により, 我々のディープ・逆数ネットワーク(GAN)に基づく生成モデルにより, より高い物理実現性を持つ結晶構造を生成可能であることを示す。
論文 参考訳(メタデータ) (2021-12-07T06:54:48Z) - 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) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳(メタデータ) (2021-02-20T03:17:58Z)
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。