論文の概要: AIMS-EREA -- A framework for AI-accelerated Innovation of Materials for
Sustainability -- for Environmental Remediation and Energy Applications
- arxiv url: http://arxiv.org/abs/2311.11060v1
- Date: Sat, 18 Nov 2023 12:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 12:44:30.517715
- Title: AIMS-EREA -- A framework for AI-accelerated Innovation of Materials for
Sustainability -- for Environmental Remediation and Energy Applications
- Title（参考訳）: AIMS-EREA - 環境修復とエネルギー応用のためのサステナビリティ材料イノベーションをAIで促進するフレームワーク
- Authors: Sudarson Roy Pratihar, Deepesh Pai, Manaswita Nag
- Abstract要約: AIMS-EREAは、マテリアルサイエンス理論のベストをジェネレーティブAIのパワーと組み合わせる新しいフレームワークです。
これはまた、有害な残留物や反応の副産物の生成の可能性を排除するのに役立つ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many environmental remediation and energy applications (conversion and
storage) for sustainability need design and development of green novel
materials. Discovery processes of such novel materials are time taking and
cumbersome due to large number of possible combinations and permutations of
materials structures. Often theoretical studies based on Density Functional
Theory (DFT) and other theories, coupled with Simulations are conducted to
narrow down sample space of candidate materials, before conducting
laboratory-based synthesis and analytical process. With the emergence of
artificial intelligence (AI), AI techniques are being tried in this process too
to ease out simulation time and cost. However tremendous values of previously
published research from various parts of the world are still left as
labor-intensive manual effort and discretion of individual researcher and prone
to human omissions. AIMS-EREA is our novel framework to blend best of breed of
Material Science theory with power of Generative AI to give best impact and
smooth and quickest discovery of material for sustainability. This also helps
to eliminate the possibility of production of hazardous residues and
bye-products of the reactions. AIMS-EREA uses all available resources --
Predictive and Analytical AI on large collection of chemical databases along
with automated intelligent assimilation of deep materials knowledge from
previously published research works through Generative AI. We demonstrate use
of our own novel framework with an example, how this framework can be
successfully applied to achieve desired success in development of
thermoelectric material for waste heat conversion.
- Abstract（参考訳）: 持続可能性のための多くの環境修復とエネルギー応用(変換と貯蔵)は、緑の新素材の設計と開発を必要とする。
このような新素材の発見過程は、材料構造の多くの組み合わせと置換により、時間がかかり、面倒である。
しばしば密度汎関数理論(DFT)およびその他の理論に基づく理論的研究を行い、シミュレーションと組み合わせて、実験室で合成と解析を行う前に、候補物質のサンプル空間を狭める。
人工知能(AI)の出現に伴い、このプロセスではシミュレーションの時間とコストを緩和するためにAI技術も試みられている。
しかし、以前公表された世界中の様々な分野の研究の膨大な価値は、労働集約的な手作業と個々の研究者の裁量として残され、人間の欠落につながる。
aims-ereaは,物質科学理論のベストと生成aiのパワーを融合し,持続可能性のための素材の最もインパクトと滑らかで迅速な発見を可能にする,新たな枠組みです。
これはまた、有害な残留物や反応の副産物の生成の可能性を排除するのに役立つ。
AIMS-EREAは、利用可能なすべてのリソースを使用する。予測的および分析的AIは、大量の化学物質データベースと、以前に公開された研究成果から生成AIを通じて、ディープマテリアル知識を自動で同化する。
本研究は, 廃棄物熱変換用熱電材料の開発において, 所望の成功を達成するために, この枠組みを効果的に適用する方法を示す。
関連論文リスト
- Adaptive AI-Driven Material Synthesis: Towards Autonomous 2D Materials Growth [17.92848271095797]
本研究では,進化的手法で学習したニューラルネットワーク(ANN)を用いた自律材料合成の最前線について検討する。
我々のアプローチは、ニューラルネットワークがグラフェンの効率的な成長のための時間依存プロトコルを反復的かつ自律的に学習できることを示します。
この研究は材料工学の分野に大きく貢献し、合成プロセスにおける革新と効率の新しい時代を育む。
論文 参考訳（メタデータ） (2024-10-10T15:00:52Z) - BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。
我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。
この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
論文 参考訳（メタデータ） (2024-08-19T05:17:40Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。
Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。
Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - MatChat: A Large Language Model and Application Service Platform for
Materials Science [18.55541324347915]
我々は、LLaMA2-7Bモデルのパワーを活用し、13,878個の構造化材料知識データを組み込んだ学習プロセスを通じて、LLaMA2-7Bモデルを強化する。
MatChatという名前のこの専門的なAIモデルは、無機物質合成経路の予測に焦点を当てている。
MatChatは現在オンラインでアクセス可能であり、モデルとアプリケーションフレームワークの両方をオープンソースとして利用できる。
論文 参考訳（メタデータ） (2023-10-11T05:11:46Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Toward Human-AI Co-creation to Accelerate Material Discovery [3.7993640140693605]
早急な問題に取り組むために、科学の急速な進歩を達成するために、我々の社会にはますます必要性が増している。
化学のような特定の分野において、科学的発見は提案された新しい解のリスクを評価する余分な負担を負う。
本稿では,人間とAIの共創が最初に発見されるまでの時間を短縮することを目的としたフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-05T17:48:59Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Artificial Intelligence in Material Engineering: A review on
applications of AI in Material Engineering [0.0]
高性能コンピューティングにより、重要なパラメータでディープラーニング(DL)モデルをテストできるようになった。
GAN(Generative Adversarial Network)は、無機材料の化学組成の生成を促進する。
既存の分析機器からの結果を分析するためのAIの利用についても論じる。
論文 参考訳（メタデータ） (2022-09-15T04:21:07Z)
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。