論文の概要: A Boosted Machine Learning Framework for the Improvement of Phase and Crystal Structure Prediction of High Entropy Alloys Using Thermodynamic and Configurational Parameters

• arxiv url: http://arxiv.org/abs/2309.00993v1
• Date: Sat, 2 Sep 2023 17:18:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 23:59:12.080112
• Title: A Boosted Machine Learning Framework for the Improvement of Phase and Crystal Structure Prediction of High Entropy Alloys Using Thermodynamic and Configurational Parameters
• Title（参考訳）: 熱力学および構成パラメータを用いた高エントロピー合金の相・結晶構造予測改善のための機械学習フレームワーク
• Authors: Debsundar Dey, Suchandan Das, Anik Pal, Santanu Dey, Chandan Kumar Raul, Arghya Chatterjee
• Abstract要約: 本研究は相と結晶構造を予測するために5つの異なるブースティングアルゴリズムを用いた。 XGBoostは相の予測精度が最も高く、LightGBMは相の結晶構造の予測精度が最も高い。
• 参考スコア（独自算出の注目度）: 1.2364456403574813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The reason behind the remarkable properties of High-Entropy Alloys (HEAs) is rooted in the diverse phases and the crystal structures they contain. In the realm of material informatics, employing machine learning (ML) techniques to classify phases and crystal structures of HEAs has gained considerable significance. In this study, we assembled a new collection of 1345 HEAs with varying compositions to predict phases. Within this collection, there were 705 sets of data that were utilized to predict the crystal structures with the help of thermodynamics and electronic configuration. Our study introduces a methodical framework i.e., the Pearson correlation coefficient that helps in selecting the strongly co-related features to increase the prediction accuracy. This study employed five distinct boosting algorithms to predict phases and crystal structures, offering an enhanced guideline for improving the accuracy of these predictions. Among all these algorithms, XGBoost gives the highest accuracy of prediction (94.05%) for phases and LightGBM gives the highest accuracy of prediction of crystal structure of the phases (90.07%). The quantification of the influence exerted by parameters on the model's accuracy was conducted and a new approach was made to elucidate the contribution of individual parameters in the process of phase prediction and crystal structure prediction.
• Abstract（参考訳）: 高エントロピー合金(HEAs)の顕著な性質の背後にある理由は、それらを含む様々な相と結晶構造に根ざしている。 材料情報学の分野では、HEAの相と結晶構造を分類するために機械学習(ML)技術を用いることが大きな意味を持つ。 本研究では,位相を予測するため,異なる組成の1345個のHAAを新たに収集した。 このコレクションには705個のデータがあり、熱力学と電子配置の助けを借りて結晶構造を予測するために使われた。 本研究では,Pearson相関係数という方法論的枠組みを導入し,相関関係の強い特徴の選択と予測精度の向上を支援する。 本研究は、位相と結晶構造を予測するために5つの異なるブースティングアルゴリズムを用い、これらの予測の精度を向上させるためのガイドラインを改良した。 これらのアルゴリズムの中で、XGBoostは位相の予測の最高精度(94.05%)を与え、LightGBMは位相の結晶構造の予測の最高精度(90.07%)を与える。 モデルの精度にパラメータが与える影響の定量化を行い, 位相予測と結晶構造予測のプロセスにおける個々のパラメータの寄与を解明するための新しいアプローチを行った。

関連論文リスト

• Estimation Enhancing in Optoelectronic Property: A Novel Approach Using Orbital Interaction Parameters and Tight-Binding [2.038296154014745]
  本稿では、量子構造の光電子特性を推定するための革新的なアプローチを提唱する。 軌道相互作用パラメータ(OIP)とTight-Binding(TB)理論を用いた3つの異なる位相を含む方法論を提案する。 本研究は, 予測光電子特性の精度に関する有望な結果を示すものである。
  論文  参考訳（メタデータ） (2024-08-29T08:06:37Z)
• 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)
• 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)
• Shotgun crystal structure prediction using machine-learned formation energies [3.2563787689949133]
  組み立てられた原子の結晶構造は、原子配置の広い空間内でエネルギー表面の大域的または局所的なミニマを見つけることで予測できる。 本稿では,結晶構造予測問題の解決に向けた大きな進展を示す。 我々は,機械学習エネルギー予測器を備えた仮想結晶構造の大規模なライブラリを用いて,非定常単発スクリーニングを行った。
  論文  参考訳（メタデータ） (2023-05-03T14:46:16Z)
• Machine-Learning Prediction of the Computed Band Gaps of Double Perovskite Materials [3.2798940914359056]
  機能性材料の電子構造の予測は新しい装置の工学に不可欠である。 本研究では,2重ペロブスカイト材料の電子構造を機械学習で予測する。 この結果は,期待できる機能材料を迅速にスクリーニングするために,機械学習による回帰の可能性を実証するという意味で重要である。
  論文  参考訳（メタデータ） (2023-01-04T08:19:18Z)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• Deep-learning-based prediction of nanoparticle phase transitions during in situ transmission electron microscopy [3.613625739845355]
  我々は、過去のフレームのシーケンスの入力に基づいて、将来のビデオフレームのシーケンスを予測するために、ディープラーニングモデルを訓練する。 この能力は、動的反応条件下でのAuナノ粒子の粒径依存構造変化の洞察を与える。 新たな自動実験プラットフォームのための化学反応の次のステップを予測できるかもしれない。
  論文  参考訳（メタデータ） (2022-05-23T15:50:24Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• 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)
• Transfer Learning for Protein Structure Classification at Low Resolution [124.5573289131546]
  タンパク質のクラスとアーキテクチャの正確な(geq$80%)予測を、低い(leq$3A)解像度で決定された構造から行うことができることを示す。 本稿では, 高速で低コストなタンパク質構造を低解像度で分類するための概念実証と, 機能予測への拡張の基礎を提供する。
  論文  参考訳（メタデータ） (2020-08-11T15:01:32Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。