論文の概要: Latent Conservative Objective Models for Data-Driven Crystal Structure
Prediction
- arxiv url: http://arxiv.org/abs/2310.10056v1
- Date: Mon, 16 Oct 2023 04:35:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 16:42:24.165278
- Title: Latent Conservative Objective Models for Data-Driven Crystal Structure
Prediction
- Title(参考訳): データ駆動結晶構造予測のための潜在保存対象モデル
- Authors: Han Qi, Xinyang Geng, Stefano Rando, Iku Ohama, Aviral Kumar, Sergey
Levine
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 62.36797874900395
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In computational chemistry, crystal structure prediction (CSP) is an
optimization problem that involves discovering the lowest energy stable crystal
structure for a given chemical formula. This problem is challenging as it
requires discovering globally optimal designs with the lowest energies on
complex manifolds. One approach to tackle this problem involves building
simulators based on density functional theory (DFT) followed by running search
in simulation, but these simulators are painfully slow. In this paper, we study
present and study an alternate, data-driven approach to crystal structure
prediction: instead of directly searching for the most stable structures in
simulation, we train a surrogate model of the crystal formation energy from a
database of existing crystal structures, and then optimize this model with
respect to the parameters of the crystal structure. This surrogate model is
trained to be conservative so as to prevent exploitation of its errors by the
optimizer. To handle optimization in the non-Euclidean space of crystal
structures, we first utilize a state-of-the-art graph diffusion auto-encoder
(CD-VAE) to convert a crystal structure into a vector-based search space and
then optimize a conservative surrogate model of the crystal energy, trained on
top of this vector representation. We show that our approach, dubbed LCOMs
(latent conservative objective models), performs comparably to the best current
approaches in terms of success rate of structure prediction, while also
drastically reducing computational cost.
- Abstract(参考訳): 計算化学において、結晶構造予測(CSP)は、与えられた化学式に対して最低エネルギーの安定な結晶構造を発見することを含む最適化問題である。
この問題は、複素多様体上の最小エネルギーを持つ大域的最適設計を見つける必要があるため、困難である。
この問題に対処するための1つのアプローチは密度汎関数理論(DFT)に基づくシミュレータの構築であり、続いてシミュレーションで探索を行う。
本稿では, 結晶構造予測の代替的手法として, シミュレーションにおいて最も安定な構造を直接探索する代わりに, 既存の結晶構造のデータベースから結晶形成エネルギーの代理モデルを訓練し, 結晶構造のパラメータに関してこのモデルを最適化する。
このサロゲートモデルは、オプティマイザによるエラーの悪用を防ぐために保守的であるように訓練されている。
結晶構造の非ユークリッド空間における最適化のために,我々はまず最先端のグラフ拡散オートエンコーダ(CD-VAE)を用いて,結晶構造をベクトルベース探索空間に変換し,このベクトル表現に基づいて学習した結晶エネルギーの保守的サロゲートモデルを最適化する。
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比較可能であり,計算コストを大幅に削減することを示した。
関連論文リスト
- Dual-Space Optimization: Improved Molecule Sequence Design by Latent
Prompt Transformer [78.47949363282868]
本稿では,遅延空間サンプリングとデータ空間選択を統合したDual-Space Optimization (DSO)法を提案する。
DSOは、生成モデルと合成データを所望のプロパティ値の領域にシフトさせる最適化プロセスにおいて、潜在空間生成モデルと合成データセットを反復的に更新する。
提案手法の有効性を実証し, 単一目的, 多目的, 制約された分子設計タスクにまたがる新しい性能ベンチマークを設定した。
論文 参考訳(メタデータ) (2024-02-27T03:33:23Z) - Scalable Diffusion for Materials Generation [110.39595661627155]
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) - Crystal Structure Prediction by Joint Equivariant Diffusion [27.52168842448489]
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。
論文 参考訳(メタデータ) (2023-07-30T15:46:33Z) - Equivariant Parameter Sharing for Porous Crystalline Materials [4.271235935891555]
既存の結晶特性予測法は、制限的すぎる制約を持つか、単位細胞間で対称性を組み込むのみである。
我々は、結晶の単位セルの対称性をアーキテクチャに組み込んだモデルを開発し、多孔質構造を明示的にモデル化する。
提案手法は, 既存の結晶特性予測法よりも優れた性能を示し, 対称性の包含によりより効率的なモデルが得られることを確認した。
論文 参考訳(メタデータ) (2023-04-04T08:33:13Z) - Conservative Objective Models for Effective Offline Model-Based
Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。
本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。
COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文 参考訳(メタデータ) (2021-07-14T17:55:28Z) - 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) - Crystal Structure Search with Random Relaxations Using Graph Networks [6.918493795610175]
物質の化学式に対する原子結晶構造の予測は、長年にわたる大きな挑戦である。
我々はLi-Si電池陽極材料のランダムな構造緩和のデータセットを構築した。
我々はランダム構造の緩和をシミュレートするためにグラフニューラルネットワークを訓練する。
論文 参考訳(メタデータ) (2020-12-05T01:27:10Z)
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。