論文の概要: VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards Inverse Material Design

• arxiv url: http://arxiv.org/abs/2401.06779v1
• Date: Mon, 25 Dec 2023 04:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 12:41:26.748755
• Title: VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards Inverse Material Design
• Title（参考訳）: 逆材料設計に向けた改良型1温材料モデリングのためのVAE
• Authors: Khalid El-Awady
• Abstract要約: 材料設計において, 所定の特性を持つ材料を設計しようとする場合, 提案する新素材の合成可能性を確保することが重要な課題である。 私たちは、暗黙のデータセット関係、すなわち、ある物質をデータセット内の他の物質に分解することができることをエンコードします。 本稿では,この特性を潜在空間に保持し,新しいサンプルを生成可能なVAEモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We investigate the construction of generative models capable of encoding physical constraints that can be hard to express explicitly. For the problem of inverse material design, where one seeks to design a material with a prescribed set of properties, a significant challenge is ensuring synthetic viability of a proposed new material. We encode an implicit dataset relationships, namely that certain materials can be decomposed into other ones in the dataset, and present a VAE model capable of preserving this property in the latent space and generating new samples with the same. This is particularly useful in sequential inverse material design, an emergent research area that seeks to design a material with specific properties by sequentially adding (or removing) elements using policies trained through deep reinforcement learning.
• Abstract（参考訳）: 本研究では,表現が困難である物理的制約を符号化できる生成モデルの構築について検討する。 特定の性質を持つ材料を設計しようとする逆物質設計の問題に対して, 提案する新規材料の合成有効性を確保することが重要な課題である。 暗黙のデータセットの関係を符号化し、ある材料をデータセット内の他の材料に分解し、その特性を潜在空間に保存し、それを用いて新しいサンプルを生成するvaeモデルを示す。 これは、特にシーケンシャルな逆材料設計において有用であり、深い強化学習を通じて訓練されたポリシーを用いて要素を順次追加(または除去)することによって、特定の特性を持つ材料を設計しようとする創発的な研究領域である。

関連論文リスト

• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Data-efficient and Interpretable Inverse Materials Design using a Disentangled Variational Autoencoder [2.563209727695243]
  逆材料設計は、新しい物質発見の加速に成功している。 多くの逆材料設計法では、教材表現のコンパクトな記述を提供するために潜在空間を学習する教師なし学習を用いる。 本稿では,不整合変分オートエンコーダをベースとした半教師付き学習手法を提案し,特徴,潜伏変数,対象特性の確率的関係を学習する。
  論文  参考訳（メタデータ） (2024-09-10T02:21:13Z)
• OpenMaterial: A Comprehensive Dataset of Complex Materials for 3D Reconstruction [54.706361479680055]
  295個の異なる材料からなる1001個のオブジェクトからなるOpenMaterialデータセットを紹介した。 OpenMaterialは3D形状、マテリアルタイプ、カメラポーズ、深さ、オブジェクトマスクなど、包括的なアノテーションを提供する。 これは、多様で挑戦的な材料を持つオブジェクト上で、既存のアルゴリズムの定量的評価を可能にする最初の大規模データセットである。
  論文  参考訳（メタデータ） (2024-06-13T07:46:17Z)
• Alchemist: Parametric Control of Material Properties with Diffusion Models [51.63031820280475]
  本手法は,フォトリアリズムで知られているテキスト・イメージ・モデルの生成先行に乗じる。 我々は,NeRFの材料化へのモデルの適用の可能性を示す。
  論文  参考訳（メタデータ） (2023-12-05T18:58:26Z)
• A Generative Model for Accelerated Inverse Modelling Using a Novel Embedding for Continuous Variables [0.0]
  材料科学において、望ましい性質を持つ急速プロトタイピングの課題は、しばしば適切な微細構造を見つけるために広範な実験を必要とする。 生成機械学習モデルを使用することは、計算コストの低減にも有効である。 これは、例えば、モデルへの条件付け入力として連続的なプロパティ変数を必要とするため、新しい課題が伴う。 本稿では,既存手法の欠点を考察し,浮動小数点数のバイナリ表現に基づく生成モデルの新たな埋め込み戦略と比較する。 これにより正規化の必要性を排除し、情報を保存し、生成モデルを条件付けするための汎用的な埋め込み空間を作成する。
  論文  参考訳（メタデータ） (2023-11-19T15:03:19Z)
• 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)
• Differentiable graph-structured models for inverse design of lattice materials [0.0]
  異なる環境条件に適応可能な物理化学的性質を有する建築材料は、材料科学の破壊的な新しい領域を具現化している。 正規および不規則な格子材料に対するグラフベース表現を用いた新しい計算手法を提案する。
  論文  参考訳（メタデータ） (2023-04-11T18:00:21Z)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)
• A Binded VAE for Inorganic Material Generation [0.0]
  本研究では,分散データセットの生成に適したBinded-VAEモデルを構築した。 本稿では, ゴム化合物設計の問題点として, 提案手法が標準生成モデルより優れていることを挙げる。
  論文  参考訳（メタデータ） (2021-12-17T15:24:28Z)
• How to See Hidden Patterns in Metamaterials with Interpretable Machine Learning [82.67551367327634]
  我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。 具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
  論文  参考訳（メタデータ） (2021-11-10T21:19:02Z)
• Intelligent multiscale simulation based on process-guided composite database [0.0]
  本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。 我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
  論文  参考訳（メタデータ） (2020-03-20T20:39:19Z)

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。