論文の概要: PerCNet: Periodic Complete Representation for Crystal Graphs
- arxiv url: http://arxiv.org/abs/2312.14936v1
- Date: Sun, 3 Dec 2023 08:55:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 13:16:47.475956
- Title: PerCNet: Periodic Complete Representation for Crystal Graphs
- Title（参考訳）: PerCNet: 結晶グラフのための周期的完全表現
- Authors: Jiao Huang, Qianli Xing, Jinglong Ji, Bo Yang
- Abstract要約: 合理的な結晶表現法は、局所的および大域的な情報をキャプチャするべきである。
無限拡張結晶材料に対する周期的完全表現と計算アルゴリズムを提案する。
提案した表現に基づいて,結晶材料特性を予測するネットワークPerCNetを提案する。
- 参考スコア（独自算出の注目度）: 3.7050297294650716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crystal material representation is the foundation of crystal material
research. Existing works consider crystal molecules as graph data with
different representation methods and leverage the advantages of techniques in
graph learning. A reasonable crystal representation method should capture the
local and global information. However, existing methods only consider the local
information of crystal molecules by modeling the bond distance and bond angle
of first-order neighbors of atoms, which leads to the issue that different
crystals will have the same representation. To solve this many-to-one issue, we
consider the global information by further considering dihedral angles, which
can guarantee that the proposed representation corresponds one-to-one with the
crystal material. We first propose a periodic complete representation and
calculation algorithm for infinite extended crystal materials. A theoretical
proof for the representation that satisfies the periodic completeness is
provided. Based on the proposed representation, we then propose a network for
predicting crystal material properties, PerCNet, with a specially designed
message passing mechanism. Extensive experiments are conducted on two
real-world material benchmark datasets. The PerCNet achieves the best
performance among baseline methods in terms of MAE. In addition, our results
demonstrate the importance of the periodic scheme and completeness for crystal
representation learning.
- Abstract（参考訳）: 結晶材料表現は結晶材料研究の基礎である。
既存の研究は、結晶分子を異なる表現法を持つグラフデータとみなし、グラフ学習の技法の利点を生かしている。
合理的な結晶表現法は、局所的および大域的な情報を捉えるべきである。
しかし、既存の方法では、原子の1階隣人の結合距離と結合角をモデル化することで結晶分子の局所的な情報のみを考慮し、異なる結晶が同じ表現を持つという問題に繋がる。
この多対一の問題を解決するために, 2面角を更に考慮し, 結晶材料と一対一の表現を確実にするグローバル情報を考える。
まず,無限拡張結晶材料に対する周期的完全表現と計算アルゴリズムを提案する。
周期的完全性を満たす表現の理論的証明が提供される。
提案する表現に基づいて,特別に設計されたメッセージパッシング機構を用いて結晶材料特性を予測するネットワークpercnetを提案する。
2つの実世界の物質ベンチマークデータセットで大規模な実験を行う。
PerCNetは、MAEの点で、ベースラインメソッドの中で最高のパフォーマンスを達成する。
さらに,結晶表現学習における周期的スキームの重要性と完全性を示した。
関連論文リスト
- CrysToGraph: A Comprehensive Predictive Model for Crystal Materials Properties and the Benchmark [16.456990796982186]
我々はCrysToGraph(textbfCrys$tals with $textbfT$ransformers $textbfo$n $textbfGraph$s)を提案する。
CrysToGraphは、トランスフォーマーベースのグラフ畳み込みブロックと、グラフワイドトランスフォーマーブロックとの長距離インタラクションを効果的にキャプチャする。
これは既存のほとんどの方法より優れており、非伝統的な結晶と伝統的な結晶の両方のベンチマークで新しい最先端の結果を達成する。
論文 参考訳（メタデータ） (2024-07-23T02:31:06Z) - A Space Group Symmetry Informed Network for O(3) Equivariant Crystal Tensor Prediction [89.38877696273364]
結晶材料の一般的な引張特性の予測について考察する。
本稿では,必要な対称性を満たすために慎重に設計された汎用材料ネットワーク(GMTNet)を提案する。
実験の結果, GMTNetは様々な順序の結晶テンソル上で有望な性能を達成できた。
論文 参考訳（メタデータ） (2024-06-03T16:26:16Z) - 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) - Accelerating Material Property Prediction using Generically Complete Isometry Invariants [3.031375888004876]
我々は、学習アルゴリズムの表現として、ポイントワイド距離分布(PDD)を適用した。
本研究では,空間符号化手法を用いてPDDと合成情報を組み合わせた自己認識機構を改良したトランスフォーマーモデルを開発した。
このモデルは、Material ProjectとJarvis-DFTデータベースの結晶上でテストされ、最先端の手法に匹敵する精度を示す。
論文 参考訳（メタデータ） (2024-01-22T15:14:22Z) - 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) - 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) - 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) - CrysMMNet: Multimodal Representation for Crystal Property Prediction [22.576167897068956]
CrysMMNetは、構造的およびテキスト的表現を融合させ、結晶材料の共同マルチモーダル表現を生成する単純なマルチモーダルフレームワークである。
我々は、CrysMMNetが既存の最先端のベースラインメソッドよりも優れたマージンを持つことを示すために、10の異なるプロパティにわたる2つのベンチマークデータセットに関する広範な実験を行った。
論文 参考訳（メタデータ） (2023-06-09T11:16:01Z) - Material Property Prediction using Graphs based on Generically Complete Isometry Invariants [3.031375888004876]
この研究は、頂点集合が結晶構造の非対称単位よりも大きくない単純なグラフに対して、ポイントワイズ距離分布を適用する。
分布グラフは平均絶対誤差を0.6%-12%減少させ、結晶グラフと比較して頂点数の44%-88%を減少させる。
論文 参考訳（メタデータ） (2022-12-19T18:48:58Z) - 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)
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。