論文の概要: From structure mining to unsupervised exploration of atomic octahedral networks

• arxiv url: http://arxiv.org/abs/2306.12272v1
• Date: Wed, 21 Jun 2023 13:49:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 13:07:14.716550
• Title: From structure mining to unsupervised exploration of atomic octahedral networks
• Title（参考訳）: 構造採掘から原子八面体ネットワークの無監督探査へ
• Authors: R. Patrick Xian, Ryan J. Morelock, Ido Hadar, Charles B. Musgrave, Christopher Sutton
• Abstract要約: 原子中心の配位オクタヘドラは通常、無機およびハイブリッド固体材料で起こる。 我々は化学直観を運用し、オクタヘドラルネットワークの幾何学的解析、定量化、分類を自動化する。 私たちの結果は、原子八面体ネットワークの広大なデザイン空間を垣間見ることができます。
• 参考スコア（独自算出の注目度）: 1.6799377888527687
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Networks of atom-centered coordination octahedra commonly occur in inorganic and hybrid solid-state materials. Characterizing their spatial arrangements and characteristics is crucial for relating structures to properties for many materials families. The traditional method using case-by-case inspection becomes prohibitive for discovering trends and similarities in large datasets. Here, we operationalize chemical intuition to automate the geometric parsing, quantification, and classification of coordination octahedral networks. We find axis-resolved tilting trends in ABO$_{3}$ perovskite polymorphs, which assist in detecting oxidation state changes. Moreover, we develop a scale-invariant encoding scheme to represent these networks, which, combined with human-assisted unsupervised machine learning, allows us to taxonomize the inorganic framework polytypes in hybrid iodoplumbates (A$_x$Pb$_y$I$_z$). Consequently, we uncover a violation of Pauling's third rule and the design principles underpinning their topological diversity. Our results offer a glimpse into the vast design space of atomic octahedral networks and inform high-throughput, targeted screening of specific structure types.
• Abstract（参考訳）: 原子中心配位オクタヘドラのネットワークは、無機およびハイブリッド固体材料で一般的に発生する。 空間的配置と特性を特徴付けることは、多くの材料ファミリーの構造と特性を関連付ける上で重要である。 ケース・バイ・ケース・インスペクション(case-by-case inspection)を使用する従来の方法は,大規模データセットにおけるトレンドや類似性の発見を禁止している。 ここでは,化学直観を運用し,配位八面体ネットワークの幾何解析,定量化,分類を自動化する。 ABO$_{3}=ペロブスカイト多形では, 酸化状態変化の検出を支援する軸分解型傾動傾向がみられた。 さらに,これらのネットワークを表現するためのスケール不変符号化方式を開発し,人間支援の非教師なし機械学習と組み合わせることで,ハイブリッドiodoplumbates (a$_x$pb$_y$i$_z$) の無機フレームワークポリタイプを分類できる。 その結果、ポーリングの第3規則と、そのトポロジ的多様性を支える設計原則の違反が明らかになった。 この結果は原子オクタヘドラルネットワークの広大な設計空間を垣間見ることができ、特定の構造型を高スループットでターゲットとしたスクリーニングを通知する。

関連論文リスト

• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Learning Ordering in Crystalline Materials with Symmetry-Aware Graph Neural Networks [0.836362570897926]
  グラフィカルニューラルネットワーク(GCNN)は、結晶材料の化学空間をスクリーニングする機械学習のワークホースとなっている。 我々は、多成分材料の秩序依存エネルギーを捉えるために、様々なニューラルネットワークアーキテクチャーをベンチマークする。
  論文  参考訳（メタデータ） (2024-09-20T18:53:48Z)
• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Directed Scattering for Knowledge Graph-based Cellular Signaling Analysis [6.5879443786840035]
  幾何散乱変換の有向バージョンを用いたDSAE(Directed Scattering Autoencoder)と呼ばれる新しいフレームワークを提案する。 本手法は,有向グラフの埋め込みやセルシグナリングネットワークの学習など,多くのタスクにおいて優れることを示す。
  論文  参考訳（メタデータ） (2023-09-14T15:59:23Z)
• Structural Balance and Random Walks on Complex Networks with Complex Weights [13.654842079699458]
  近年、エッジの重みが複素数である場合、ネットワーク科学のツールを拡張することへの関心が高まっている。 ここでは、重み行列がエルミート行列である場合に注目し、多くの応用において妥当な仮定である。 構造バランスの概念に基づいて,複素重み付きネットワークの分類を導入し,各タイプの共有スペクトル特性を示す。
  論文  参考訳（メタデータ） (2023-07-04T16:39:52Z)
• CoarsenConf: Equivariant Coarsening with Aggregated Attention for Molecular Conformer Generation [3.31521245002301]
  本稿では, 反角に基づく分子グラフをSE(3)等価な階層的変分オートエンコーダに統合するCoarsenConfを紹介する。 等変粗粒化により、回転可能な結合を介して連結された部分グラフの微細な原子座標を集約し、可変長粗粒化潜在表現を生成する。 本モデルでは, 粗粒の潜在表現から細粒度座標を復元する新しいアグリゲートアテンション機構を用いて, 正確なコンフォメータを効率よく生成する。
  論文  参考訳（メタデータ） (2023-06-26T17:02:54Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• Equivariant Graph Attention Networks for Molecular Property Prediction [0.34376560669160383]
  大きさの異なる3D分子構造について学ぶことは、機械学習、特に薬物発見における新たな課題である。 本稿では,カルテシアン座標を用いた等変グラフニューラルネットワーク(GNN)を提案する。 小分子の量子力学的性質の予測におけるアーキテクチャの有効性を実証し,タンパク質複合体などの高分子構造に関する問題に対するその利点を示す。
  論文  参考訳（メタデータ） (2022-02-20T19:07:29Z)
• Distance-aware Molecule Graph Attention Network for Drug-Target Binding Affinity Prediction [54.93890176891602]
  薬物標的結合親和性予測に適したDiStance-aware Molecule graph Attention Network (S-MAN)を提案する。 そこで,我々はまず,構築したポケットリガンドグラフに位相構造と空間位置情報を統合する位置符号化機構を提案する。 また,エッジレベルアグリゲーションとノードレベルアグリゲーションを有するエッジノード階層的アグリゲーション構造を提案する。
  論文  参考訳（メタデータ） (2020-12-17T17:44:01Z)
• Problems of representation of electrocardiograms in convolutional neural networks [58.720142291102135]
  これらの問題は本質的に体系的であることを示す。 これらは、畳み込みネットワークが複合オブジェクトでどのように機能するかに起因するが、その一部は厳格に固定されていないが、大きな移動性を持っている。
  論文  参考訳（メタデータ） (2020-12-01T14:02:06Z)
• AM-GCN: Adaptive Multi-channel Graph Convolutional Networks [85.0332394224503]
  グラフ畳み込みネットワーク(GCN)は,豊富な情報を持つ複雑なグラフにおいて,ノードの特徴と位相構造を最適に統合できるかどうかを検討する。 半教師付き分類(AM-GCN)のための適応型マルチチャネルグラフ畳み込みネットワークを提案する。 実験の結果,AM-GCNはノードの特徴とトポロジ的構造の両方から最も相関性の高い情報を抽出することがわかった。
  論文  参考訳（メタデータ） (2020-07-05T08:16:03Z)

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。