論文の概要: Accurate Crystal Structure Prediction of New 2D Hybrid Organic Inorganic Perovskites

• arxiv url: http://arxiv.org/abs/2403.06955v1
• Date: Mon, 11 Mar 2024 17:39:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-12 17:44:47.087765
• Title: Accurate Crystal Structure Prediction of New 2D Hybrid Organic Inorganic Perovskites
• Title（参考訳）: 新しい2次元ハイブリッド有機無機ペロブスカイトの精密結晶構造予測
• Authors: Nima Karimitari, William J. Baldwin, Evan W. Muller, Zachary J. L. Bare, W. Joshua Kennedy, G\'abor Cs\'anyi, Christopher Sutton
• Abstract要約: 低次元有機-無機ペロブスカイト(HOIP)は、光吸収と発光の両面において、電子的に活性な材料として期待できるクラスである。 我々は,新しい2次元HOIPの構造を予測するための,正確で,効率的で,伝達可能で,広く適用可能な機械学習の原子間ポテンシャル(MLIP)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/4.0/
• Abstract: Low dimensional hybrid organic-inorganic perovskites (HOIPs) represent a promising class of electronically active materials for both light absorption and emission. The design space of HOIPs is extremely large, since a diverse space of organic cations can be combined with different inorganic frameworks. This immense design space allows for tunable electronic and mechanical properties, but also necessitates the development of new tools for in silico high throughput analysis of candidate structures. In this work, we present an accurate, efficient, transferable and widely applicable machine learning interatomic potential (MLIP) for predicting the structure of new 2D HOIPs. Using the MACE architecture, an MLIP is trained on 86 diverse experimentally reported HOIP structures. The model is tested on 73 unseen perovskite compositions, and achieves chemical accuracy with respect to the reference electronic structure method. Our model is then combined with a simple random structure search algorithm to predict the structure of hypothetical HOIPs given only the proposed composition. Success is demonstrated by correctly and reliably recovering the crystal structure of a set of experimentally known 2D perovskites. Such a random structure search is impossible with ab initio methods due to the associated computational cost, but is relatively inexpensive with the MACE potential. Finally, the procedure is used to predict the structure formed by a new organic cation with no previously known corresponding perovskite. Laboratory synthesis of the new hybrid perovskite confirms the accuracy of our prediction. This capability, applied at scale, enables efficient screening of thousands of combinations of organic cations and inorganic layers.
• Abstract（参考訳）: 低次元有機-無機ペロブスカイト(HOIPs)は、光吸収と発光の両面において電子的に活性な物質である。 有機カチオンの多様な空間は、異なる無機フレームワークと組み合わせることができるため、HOIPsの設計空間は非常に大きい。 この巨大な設計空間は、電子的および機械的特性を可変化できるだけでなく、候補構造のin silico高スループット解析のための新しいツールの開発も必要である。 本研究では,新しい2次元hoipの構造を予測するためのmlip(machine learning interatomic potential)を提案する。 MACEアーキテクチャを用いて、MLIPは、実験的に報告された86のHOIP構造に基づいて訓練される。 このモデルは73のペロブスカイト組成で試験され、基準電子構造法に関して化学的精度を達成する。 このモデルと単純なランダム構造探索アルゴリズムを組み合わせることで,提案した構成のみを仮定したHOIPの構造を予測する。 成功は、実験的に知られている2Dペロブスカイトの集合の結晶構造を正しく確実に回収することで証明される。 このようなランダムな構造探索は、関連する計算コストのためにab initio法では不可能であるが、メイスポテンシャルでは比較的安価である。 最後に、前述したペロブスカイトを含まない新しい有機カチオンによって形成される構造を予測するためにこの手順が用いられる。 新しいハイブリッドペロブスカイトを実験室で合成し,予測精度を確認した。 この能力は大規模に適用され、有機カチオンと無機層の何千もの組み合わせを効率的にスクリーニングできる。

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)
• Deterministic formation of carbon-functionalized quantum emitters in hexagonal boron nitride [9.864393313982163]
  六方晶窒化ホウ素(hBN)の絶縁における単一光子放出体(SPE)は、量子フォトニクスに幅広い関心を呼んだ。 我々は, 超音波ナノインデンテーションを用いて, 位置決定論的炭素官能化量子エミッタをhBN中に生成する簡単な手法を提案する。 得られたSPEは高品質であり、単一の製造工程で大きな配列にスケールアップすることができる。
  論文  参考訳（メタデータ） (2024-10-23T08:13:27Z)
• A Transformer Based Generative Chemical Language AI Model for Structural Elucidation of Organic Compounds [1.5628118690186594]
  本稿では,概念変換器を用いた生成化学言語人工知能(AI)モデルを提案する。 我々のモデルはエンコーダ・デコーダアーキテクチャと自己保持機構を用いて、最も可能性の高い化学構造を直接生成する。 現代のCPUでは、29個の原子を持つ分子をわずか数秒で構造解明し、83%の精度でトップ15を達成している。
  論文  参考訳（メタデータ） (2024-10-13T15:41:20Z)
• Generative Hierarchical Materials Search [91.93125016916463]
  結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。 GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。 GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
  論文  参考訳（メタデータ） (2024-09-10T17:51:28Z)
• Shotgun crystal structure prediction using machine-learned formation energies [3.2563787689949133]
  組み立てられた原子の結晶構造は、原子配置の広い空間内でエネルギー表面の大域的または局所的なミニマを見つけることで予測できる。 本稿では,結晶構造予測問題の解決に向けた大きな進展を示す。 我々は,機械学習エネルギー予測器を備えた仮想結晶構造の大規模なライブラリを用いて,非定常単発スクリーニングを行った。
  論文  参考訳（メタデータ） (2023-05-03T14:46:16Z)
• State-specific protein-ligand complex structure prediction with a multi-scale deep generative model [68.28309982199902]
  タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。 我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
  論文  参考訳（メタデータ） (2022-09-30T01:46:38Z)
• Atomic structure generation from reconstructing structural fingerprints [1.2128971613239876]
  本稿では、原子中心対称性関数を表現として、条件付き変分オートエンコーダを生成モデルとして、エンドツーエンド構造生成手法を提案する。 我々は、概念実証として、サブナノメーターPtナノ粒子の新規で有効な原子構造を生成することに成功した。
  論文  参考訳（メタデータ） (2022-07-27T00:42:59Z)
• Hybrid quantum-classical machine learning for generative chemistry and drug design [0.0]
  そこで我々は,Boltzmann Machine (RBM) を用いた小型離散分散変分オートエンコーダを構築した。 医薬化学および合成アクセシビリティ特性を有する新規な2331の化学構造を創出する。 結果は、既に存在するか、あるいはすぐに利用可能となる量子コンピューティングデバイスを、将来の薬物発見アプリケーションのためのテストベッドとして使用できる可能性を示している。
  論文  参考訳（メタデータ） (2021-08-26T08:23:32Z)
• Transfer Learning for Protein Structure Classification at Low Resolution [124.5573289131546]
  タンパク質のクラスとアーキテクチャの正確な(geq$80%)予測を、低い(leq$3A)解像度で決定された構造から行うことができることを示す。 本稿では, 高速で低コストなタンパク質構造を低解像度で分類するための概念実証と, 機能予測への拡張の基礎を提供する。
  論文  参考訳（メタデータ） (2020-08-11T15:01:32Z)
• Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
  無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。 モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。 その結果,クロスバリデーションにより予測精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T13:32:10Z)
• Probing chiral edge dynamics and bulk topology of a synthetic Hall system [52.77024349608834]
  量子ホール系は、基礎となる量子状態の位相構造に根ざしたバルク特性であるホール伝導の量子化によって特徴づけられる。 ここでは, 超低温のジスプロシウム原子を用いた量子ホール系を, 空間次元の2次元形状で実現した。 磁気サブレベルが多数存在すると、バルクおよびエッジの挙動が異なることが示される。
  論文  参考訳（メタデータ） (2020-01-06T16:59:08Z)

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。