論文の概要: Crystal structure prediction using neural network potential and age-fitness Pareto genetic algorithm

• arxiv url: http://arxiv.org/abs/2309.06710v1
• Date: Wed, 13 Sep 2023 04:17:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 15:32:16.083170
• Title: Crystal structure prediction using neural network potential and age-fitness Pareto genetic algorithm
• Title（参考訳）: ニューラルネットワーク電位と年齢適合パレート遺伝的アルゴリズムを用いた結晶構造予測
• Authors: Sadman Sadeed Omee, Lai Wei, Jianjun Hu
• Abstract要約: 結晶構造予測(CSP)のための新しいアルゴリズムを提案する。 多目的遺伝的アルゴリズム(MOGA)とニューラルネットワーク間ポテンシャル(IAP)モデルを組み合わせて、エネルギー的に最適な結晶構造を見つける。 GN-OAと比較すると、予測能力は著しく向上し、25ドルの様々なベンチマーク構造に対して2.562ドルに上った。
• 参考スコア（独自算出の注目度）: 3.660182910533372
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: While crystal structure prediction (CSP) remains a longstanding challenge, we introduce ParetoCSP, a novel algorithm for CSP, which combines a multi-objective genetic algorithm (MOGA) with a neural network inter-atomic potential (IAP) model to find energetically optimal crystal structures given chemical compositions. We enhance the NSGA-III algorithm by incorporating the genotypic age as an independent optimization criterion and employ the M3GNet universal IAP to guide the GA search. Compared to GN-OA, a state-of-the-art neural potential based CSP algorithm, ParetoCSP demonstrated significantly better predictive capabilities, outperforming by a factor of $2.562$ across $55$ diverse benchmark structures, as evaluated by seven performance metrics. Trajectory analysis of the traversed structures of all algorithms shows that ParetoCSP generated more valid structures than other algorithms, which helped guide the GA to search more effectively for the optimal structures
• Abstract（参考訳）: 結晶構造予測(CSP)は長年の課題であるが,多目的遺伝的アルゴリズム(MOGA)とニューラルネットワーク間ポテンシャル(IAP)モデルを組み合わせたCSPの新しいアルゴリズムであるParetoCSPを導入し,化学組成に最適な結晶構造を求める。 NSGA-IIIアルゴリズムは,ジェノタイプ年代を独立最適化基準として組み込んで拡張し,M3GNetユニバーサルIAPを用いてGA検索を誘導する。 最先端のニューラルポテンシャルベースのcspアルゴリズムであるgn-oaと比較して、paretocspは、様々なベンチマーク構造に対して2.562ドルを上回り、7つのパフォーマンス指標で評価された。 すべてのアルゴリズムのトラバース構造の軌道解析は、paretocspが他のアルゴリズムよりも有効な構造を生成していることを示している。

関連論文リスト

• Automatic Structural Search of Tensor Network States including Entanglement Renormalization [0.0]
  絡み合い再正規化を含むネットワーク状態は、より広範な絡み合い状態を含むことができる。 高い計算コストとアルゴリズムの柔軟性の欠如のため、ERの構造的な探索はまだ示されていない。 本研究では, 変動エネルギーに関する局所構造の再構築に基づいて, ERを含むTNの最適構造探索を行った。
  論文  参考訳（メタデータ） (2024-05-10T15:24:10Z)
• Continuous Cartesian Genetic Programming based representation for Multi-Objective Neural Architecture Search [12.545742558041583]
  我々は、より複雑で高効率な畳み込みニューラルネットワーク(CNN)を設計するための新しいアプローチを提案する。 我々のアプローチは、ニューラルネットワーク探索(NAS)のためのカルテシアン遺伝的プログラミング(CGP)に基づく実ベースCNNとブロックチェーンCNNの表現を組み合わせたものである。 それらが考慮する探索空間の粒度が異なる2つの変種が導入された。
  論文  参考訳（メタデータ） (2023-06-05T07:32:47Z)
• HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel Neural Architecture Search [104.45426861115972]
  設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。 我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。 6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
  論文  参考訳（メタデータ） (2023-04-23T17:27:40Z)
• An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters [0.23301643766310373]
  本稿では,効率的なディープニューラルネットワークを自動生成するアルゴリズムフレームワークを提案する。 このフレームワークは、進化的有向非巡回グラフ(DAG)に基づいている。 畳み込み(convolutions)、再帰(recurrentence)、密集層( dense layer)といった古典的な操作の混合を可能にするだけでなく、自己注意(self-attention)のようなより新しい操作も可能である。
  論文  参考訳（メタデータ） (2023-02-27T08:00:33Z)
• Reinforced Genetic Algorithm for Structure-based Drug Design [38.134929249388406]
  SBDD(Structure-based drug design)は、疾患関連タンパク質(ターゲット)に結合する分子を見つけることにより、薬物候補を見つけることを目的とした薬物設計である。 本稿では,ニューラルネットワークを用いた遺伝的アルゴリズム(Reinforced Genetic Algorithm, RGA)を提案する。
  論文  参考訳（メタデータ） (2022-11-28T22:59:46Z)
• Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
  本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。 本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
  論文  参考訳（メタデータ） (2021-11-05T02:54:06Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• 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)
• Trilevel Neural Architecture Search for Efficient Single Image Super-Resolution [127.92235484598811]
  本稿では,高効率単一画像超解像(SR)のための3レベルニューラルネットワーク探索法を提案する。 離散探索空間をモデル化するために、離散探索空間に新たな連続緩和を適用し、ネットワークパス、セル操作、カーネル幅の階層的混合を構築する。 階層型スーパーネット方式による最適化を行うため,効率的な探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-17T12:19:49Z)
• 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)
• A Tailored NSGA-III Instantiation for Flexible Job Shop Scheduling [18.401817124823832]
  フレキシブルなジョブスケジューリング問題を解決するために、カスタマイズされた進化的アルゴリズムを提案する。 様々な局所探索戦略を用いて、より良い解の近傍パラメータを探索する。 実験結果は,計算予算の削減による優れた性能を示す。
  論文  参考訳（メタデータ） (2020-04-14T14:49:36Z)

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。