論文の概要: FlowMM: Generating Materials with Riemannian Flow Matching

• arxiv url: http://arxiv.org/abs/2406.04713v1
• Date: Fri, 7 Jun 2024 07:46:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-10 14:59:58.676778
• Title: FlowMM: Generating Materials with Riemannian Flow Matching
• Title（参考訳）: FlowMM:リーマン流マッチングによる材料生成
• Authors: Benjamin Kurt Miller, Ricky T. Q. Chen, Anuroop Sriram, Brandon M Wood,
• Abstract要約: 両タスクの最先端性能を実現するための生成モデルであるFlowMMを提案する。 われわれのフレームワークは,フローベース分布の選択の自由を可能とし,結晶構造学習の問題を劇的に単純化する。 標準ベンチマークに加えて, 量子化学計算によるFlowMMの生成構造を検証した。
• 参考スコア（独自算出の注目度）: 16.68310253042657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crystalline materials are a fundamental component in next-generation technologies, yet modeling their distribution presents unique computational challenges. Of the plausible arrangements of atoms in a periodic lattice only a vanishingly small percentage are thermodynamically stable, which is a key indicator of the materials that can be experimentally realized. Two fundamental tasks in this area are to (a) predict the stable crystal structure of a known composition of elements and (b) propose novel compositions along with their stable structures. We present FlowMM, a pair of generative models that achieve state-of-the-art performance on both tasks while being more efficient and more flexible than competing methods. We generalize Riemannian Flow Matching to suit the symmetries inherent to crystals: translation, rotation, permutation, and periodic boundary conditions. Our framework enables the freedom to choose the flow base distributions, drastically simplifying the problem of learning crystal structures compared with diffusion models. In addition to standard benchmarks, we validate FlowMM's generated structures with quantum chemistry calculations, demonstrating that it is about 3x more efficient, in terms of integration steps, at finding stable materials compared to previous open methods.
• Abstract（参考訳）: 結晶材料は次世代技術の基本的な構成要素であるが、その分布をモデル化することはユニークな計算課題をもたらす。 周期格子中の原子の可塑性配置のうち、わずかしか消失しない割合は熱力学的に安定であり、これは実験的に実現可能な材料の重要な指標である。 この領域における2つの基本的な課題は (a)既知の元素組成の安定な結晶構造を予測し、 (b) 安定な構造とともに新規な構成を提案する。 両タスクの最先端性能を実現するための生成モデルであるFlowMMを,競合する手法よりも効率的かつ柔軟なモデルとして提示する。 我々は、変換、回転、置換、周期境界条件といった結晶固有の対称性に合うようにリーマンフローマッチングを一般化する。 本フレームワークは,拡散モデルと比較して結晶構造学習の問題を劇的に単純化し,フローベース分布の選択の自由を実現する。 標準ベンチマークに加えて, FlowMM の生成した構造を量子化学計算で検証し, 従来のオープンな手法に比べて安定な材料を見つけるためには, 積分ステップの点で約3倍効率がよいことを示した。

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)
• FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions [16.68310253042657]
  FlowLLMは、大きな言語モデル(LLM)とリーマンフローマッチング(RFM)を組み合わせて、新しい結晶材料を設計する新しい生成モデルである。 提案手法は最先端の手法よりも優れ, 安定物質の生成速度を3倍以上に向上させ, 安定, 特異, 新規結晶の生成速度を$sim50%以上向上させる。
  論文  参考訳（メタデータ） (2024-10-30T19:15:43Z)
• 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)
• 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)
• Normalizing flows for atomic solids [67.70049117614325]
  原子状固体をモデル化するための正規化フローに基づく機械学習手法を提案する。 我々は,単原子水としてモデル化された立方晶および六角形氷のヘルムホルツ自由エネルギー推定と,切り離されたレナード・ジョーンズ系について報告する。 以上の結果から, 結晶形状に制約を加えることなく, 流動の正規化により, 固体の高品質な試料と自由エネルギー推定が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-16T18:54:49Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Crystal Diffusion Variational Autoencoder for Periodic Material Generation [29.558155407825115]
  本稿では, 物質安定性の誘導バイアスを捉える結晶拡散変分オートコーダ(CDVAE)を提案する。 安定物質のデータ分布から学習することにより、デコーダは拡散過程に物質を生成し、原子座標を低いエネルギー状態へ移動させる。 1)入力構造を再構築し,2)有効で多様な,現実的な材料を生成し,3)特定の特性を最適化する材料を生成する。
  論文  参考訳（メタデータ） (2021-10-12T17:49:49Z)
• Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
  本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
  論文  参考訳（メタデータ） (2021-05-28T02:08:03Z)

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。