論文の概要: Predicting emergence of crystals from amorphous matter with deep learning

• arxiv url: http://arxiv.org/abs/2310.01117v1
• Date: Mon, 2 Oct 2023 11:46:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 22:12:58.299949
• Title: Predicting emergence of crystals from amorphous matter with deep learning
• Title（参考訳）: 深層学習による非晶質物質からの結晶の出現予測
• Authors: Muratahan Aykol, Amil Merchant, Simon Batzner, Jennifer N. Wei, Ekin Dogus Cubuk
• Abstract要約: アモルファス相の準安定結晶への結晶化は、新しい物質の形成に基本的な役割を果たす。 本研究では, アモルファス相の結晶化生成物は, 局所構造モチーフの結晶化経路をサンプリングすることによって, 無機化学において予測可能であることを示す。
• 参考スコア（独自算出の注目度）: 9.973423228389908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crystallization of the amorphous phases into metastable crystals plays a fundamental role in the formation of new matter, from geological to biological processes in nature to synthesis and development of new materials in the laboratory. Predicting the outcome of such phase transitions reliably would enable new research directions in these areas, but has remained beyond reach with molecular modeling or ab-initio methods. Here, we show that crystallization products of amorphous phases can be predicted in any inorganic chemistry by sampling the crystallization pathways of their local structural motifs at the atomistic level using universal deep learning potentials. We show that this approach identifies the crystal structures of polymorphs that initially nucleate from amorphous precursors with high accuracy across a diverse set of material systems, including polymorphic oxides, nitrides, carbides, fluorides, chlorides, chalcogenides, and metal alloys. Our results demonstrate that Ostwald's rule of stages can be exploited mechanistically at the molecular level to predictably access new metastable crystals from the amorphous phase in material synthesis.
• Abstract（参考訳）: アモルファス相の準安定結晶への結晶化は、地質学から生物過程まで、実験室における新材料の合成と開発に至るまで、新物質の形成において重要な役割を担っている。 このような相転移の結果を確実に予測することは、これらの領域で新たな研究の方向性を可能にするが、分子モデリングやab-initio法には届かなかった。 ここでは, アモルファス相の結晶化生成物は, 局所構造モチーフの結晶化経路を, 普遍的な深層学習電位を用いてサンプリングすることにより, 無機化学において予測可能であることを示す。 このアプローチは, ポリモルフィック酸化物, 窒化物, 炭化物, フッ化物, 塩化物, カルコゲナイド, 金属合金など, 様々な材料系において, アモルファス前駆体の結晶構造を高精度に同定する。 以上の結果から,オストワルドのステージ制御は分子レベルでメカニックに活用でき,材料合成における非晶質相から新しい準安定結晶に予測的にアクセスできることが示された。

関連論文リスト

• AlphaCrystal-II: Distance matrix based crystal structure prediction using deep learning [4.437756445215657]
  このAlphaCrystal-IIは、既存の結晶構造に見られる原子間相互作用パターンを多用した、知識に基づく新しいソリューションである。 既知の結晶構造の原子間関係の富を生かして、構造予測における顕著な有効性と信頼性を示す。
  論文  参考訳（メタデータ） (2024-04-07T05:17:43Z)
• Space Group Informed Transformer for Crystalline Materials Generation [2.405914457225118]
  本稿では, 変圧器を用いた自己回帰モデルであるCrystalFormerを紹介した。 空間群対称性の組み入れは結晶空間を著しく単純化し、結晶材料のデータおよび効率的な生成モデリングの計算に不可欠である。
  論文  参考訳（メタデータ） (2024-03-23T06:01:45Z)
• Field-based Molecule Generation [50.124402120798365]
  本稿では,本手法の柔軟性が,一般的なポイントクラウド方式よりも重要な利点をもたらすことを示す。 我々は、薬物の安全性と有効性に欠落した分子特性である光学異性体(エナンチオマー)に取り組む。
  論文  参考訳（メタデータ） (2024-02-24T17:13:58Z)
• Stoichiometry Representation Learning with Polymorphic Crystal Structures [54.65985356122883]
  確率論記述子は、構造的な情報を持たない特定の化合物を形成するために関係する要素間の比を明らかにすることができる。 本稿では,手軽に利用できる構造情報を利用して,確率論の確率的表現を学習するPolySRLを提案する。
  論文  参考訳（メタデータ） (2023-11-17T20:34:28Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  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)
• 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)
• Real-space detection and manipulation of topological edge modes with ultracold atoms [56.34005280792013]
  光学格子におけるキラルエッジモードを実現するための実験的プロトコルを実証する。 3つの異なるフロケトポロジカルな状態において,これらのエッジモードの粒子を効率的に調製する方法を示す。 本研究では, 界面にエッジモードが出現し, 電位ステップのシャープネスが変化するにつれて, 粒子の群速度がどう変化するかを検討する。
  論文  参考訳（メタデータ） (2023-04-04T17:36:30Z)
• A data-driven interpretation of the stability of molecular crystals [0.0]
  分子構造ブロックから形成される結晶構造の安定性を予測することは、非自明な科学的問題である。 本稿では, 有機結晶の硬化したデータセットに対する結合エネルギーの予測に適した構造記述子を提案する。 次に、構造エネルギーのランドスケープの低次元表現を用いて、このライブラリを解釈する。
  論文  参考訳（メタデータ） (2022-09-21T23:32:53Z)
• The limit of spin lifetime in solid-state electronic spins [77.34726150561087]
  最大2フォノンプロセスを含むスピン緩和の完全な第1原理図を提供する。 バナジウム系分子量子ビットを研究したところ、高温でのスピン寿命はラマン過程によって制限されることがわかった。
  論文  参考訳（メタデータ） (2020-04-08T14:27:36Z)

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。