論文の概要: Crystal Structure Prediction by Joint Equivariant Diffusion
- arxiv url: http://arxiv.org/abs/2309.04475v2
- Date: Thu, 7 Mar 2024 04:32:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 17:54:35.477197
- Title: Crystal Structure Prediction by Joint Equivariant Diffusion
- Title(参考訳): 共同等変拡散による結晶構造予測
- Authors: Rui Jiao, Wenbing Huang, Peijia Lin, Jiaqi Han, Pin Chen, Yutong Lu,
and Yang Liu
- Abstract要約: 結晶構造予測(CSP)は様々な科学分野において重要である。
本稿では, 安定結晶から構造分布を学習する新しい拡散モデルであるDiffCSPを提案する。
- 参考スコア(独自算出の注目度): 27.52168842448489
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Crystal Structure Prediction (CSP) is crucial in various scientific
disciplines. While CSP can be addressed by employing currently-prevailing
generative models (e.g. diffusion models), this task encounters unique
challenges owing to the symmetric geometry of crystal structures -- the
invariance of translation, rotation, and periodicity. To incorporate the above
symmetries, this paper proposes DiffCSP, a novel diffusion model to learn the
structure distribution from stable crystals. To be specific, DiffCSP jointly
generates the lattice and atom coordinates for each crystal by employing a
periodic-E(3)-equivariant denoising model, to better model the crystal
geometry. Notably, different from related equivariant generative approaches,
DiffCSP leverages fractional coordinates other than Cartesian coordinates to
represent crystals, remarkably promoting the diffusion and the generation
process of atom positions. Extensive experiments verify that our DiffCSP
significantly outperforms existing CSP methods, with a much lower computation
cost in contrast to DFT-based methods. Moreover, the superiority of DiffCSP is
also observed when it is extended for ab initio crystal generation.
- Abstract(参考訳): 結晶構造予測(CSP)は様々な科学分野において重要である。
CSPは、現在普及している生成モデル(例えば拡散モデル)を用いることで対処できるが、このタスクは結晶構造の対称幾何学(翻訳、回転、周期性の不変性)によって固有の課題に直面する。
上記の対称性を組み込むために,安定結晶から構造分布を学ぶための新しい拡散モデルdiffcspを提案する。
具体的には、DiffCSP は周期的-E(3)-等変デノナイジングモデルを用いて各結晶の格子と原子座標を共同で生成し、結晶幾何学をより良くモデル化する。
特に、関連する同変生成アプローチとは異なり、DiffCSPはカルト座標以外の分数座標を利用して結晶を表現し、原子位置の拡散と生成過程を著しく促進する。
我々のDiffCSPは既存のCSP法よりも大幅に優れており、DFT法に比べて計算コストははるかに低い。
さらに、ab initio結晶生成のために拡張すると、diffcspの優性も観察される。
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) - PDDFormer: Pairwise Distance Distribution Graph Transformer for Crystal Material Property Prediction [8.36720478795747]
本稿では,原子重み付きペアワイド距離分布 (WPDD) とユニットセルペアワイド距離分布 (UPDD) を初めて提案し,これをマルチエッジ結晶グラフの構築に取り入れた。
本手法は原子位置のわずかな摂動の下でも結晶グラフの連続性と完全性を維持することを実証する。
論文 参考訳(メタデータ) (2024-08-23T11:05:48Z) - Complete and Efficient Graph Transformers for Crystal Material Property Prediction [53.32754046881189]
結晶構造は、3次元空間の正則格子に沿って繰り返される原始単位セル内の原子塩基によって特徴づけられる。
本稿では,各原子の格子に基づく表現を確立するために,単位細胞の周期パターンを利用する新しい手法を提案する。
結晶材料に特化して設計されたSE(3)トランスであるComFormerを提案する。
論文 参考訳(メタデータ) (2024-03-18T15:06:37Z) - 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) - 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) - Diffusion probabilistic models enhance variational autoencoder for
crystal structure generative modeling [2.524526956420465]
本研究では,新しい拡散確率モデルを用いて原子座標を識別する。
提案するDP-CDVAEモデルでは,元のCDVAEと統計的に比較可能な特性を持つ結晶構造を再構成し,生成することができる。
これらの構造と真の基底状態の間のエネルギー差は、元のCDVAEによって生成されたものよりも平均68.1 meV/atom低い。
論文 参考訳(メタデータ) (2023-08-04T06:53:22Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳(メタデータ) (2023-07-11T16:51:38Z) - Entropic trust region for densest crystallographic symmetry group
packings [0.8399688944263843]
分子結晶構造予測は、分子の化学組成と圧力-温度条件から最も安定した周期構造を求める。
現代のCSPソルバは、分子間ポテンシャルによって誘導される複雑なエネルギーランドスケープ内の最小自由エネルギー構造を探索するために、大域最適化手法を用いる。
本稿では,結晶対称性群(CSG)に制限された周期的パッキングのクラスを提案し,情報幾何学的枠組みによる最も密度の高いCSGパッキングの探索法を設計する。
論文 参考訳(メタデータ) (2022-02-24T08:39:07Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳(メタデータ) (2022-02-22T15:39:00Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳(メタデータ) (2022-02-01T03:53:39Z)
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。