論文の概要: Zeoformer: Coarse-Grained Periodic Graph Transformer for OSDA-Zeolite Affinity Prediction
- arxiv url: http://arxiv.org/abs/2408.12984v3
- Date: Sun, 22 Sep 2024 13:35:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-08 05:26:28.538899
- Title: Zeoformer: Coarse-Grained Periodic Graph Transformer for OSDA-Zeolite Affinity Prediction
- Title（参考訳）: Zeoformer: OSDA-Zeolite親和性予測のための粗粒周期グラフ変換器
- Authors: Xiangxiang Shen, Zheng Wan, Lingfeng Wen, Licheng Sun, Ou Yang Ming Jie, Xuan Tang, Xian Zeng, Mingsong Chen, Xiao He, Xian Wei,
- Abstract要約: ゼオフォーマーは、粗粒の結晶周期性ときめ細かい局所変動性を効果的に表すことができる。
本モデルは,OSDA-ゼオライトペアデータセットと2種類の結晶材料データセットにおいて,最高の性能を示す。
- 参考スコア（独自算出の注目度）: 14.828340604055802
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To date, the International Zeolite Association Structure Commission (IZA-SC) has cataloged merely 255 distinct zeolite structures, with millions of theoretically possible structures yet to be discovered. The synthesis of a specific zeolite typically necessitates the use of an organic structure-directing agent (OSDA), since the selectivity for a particular zeolite is largely determined by the affinity between the OSDA and the zeolite. Therefore, finding the best affinity OSDA-zeolite pair is the key to the synthesis of targeted zeolite. However, OSDA-zeolite pairs frequently exhibit complex geometric structures, i.e., a complex crystal structure formed by a large number of atoms. Although some existing machine learning methods can represent the periodicity of crystals, they cannot accurately represent crystal structures with local variability. To address this issue, we propose a novel approach called Zeoformer, which can effectively represent coarse-grained crystal periodicity and fine-grained local variability. Zeoformer reconstructs the unit cell centered around each atom and encodes the pairwise distances between this central atom and other atoms within the reconstructed unit cell. The introduction of pairwise distances within the reconstructed unit cell more effectively represents the overall structure of the unit cell and the differences between different unit cells, enabling the model to more accurately and efficiently predict the properties of OSDA-zeolite pairs and general crystal structures. Through comprehensive evaluation, our Zeoformer model demonstrates the best performance on OSDA-zeolite pair datasets and two types of crystal material datasets.
- Abstract（参考訳）: 国際ゼオライト協会構造委員会(IZA-SC)はこれまでに255の異なるゼオライト構造をカタログ化しており、数百万もの理論上可能な構造がまだ発見されていない。
特定のゼオライトの合成は、主にOSDAとゼオライトの親和性によって決定されるため、有機構造誘導剤(OSDA)の使用を必要とする。
したがって、最も親和性が高いOSDA-ゼオライトペアが標的ゼオライトの合成の鍵となる。
しかし、OSDA-ゼオライト対はしばしば複雑な幾何学構造、すなわち多数の原子によって形成される複雑な結晶構造を示す。
既存の機械学習手法では結晶の周期性を表現できるが、局所的な可変性を持つ結晶構造を正確に表現することはできない。
この問題に対処するため,Zeoformerという,粗粒度結晶周期性と粒度局所変動性を効果的に表現する手法を提案する。
ゼオフォーマーは各原子を中心に単位細胞を再構成し、この中心原子と他の原子との対距離を再構成された単位細胞内に符号化する。
再構成ユニットセル内の対距離の導入は、ユニットセルの全体構造と異なるユニットセルの違いをより効果的に表現し、OSDA-ゼオライト対と一般的な結晶構造の性質をより正確に効率的に予測することができる。
総合評価により,OSDA-ゼオライトペアデータセットと2種類の結晶材料データセットで最高の性能を示す。
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) - 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) - 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 Structure Prediction by Joint Equivariant Diffusion [27.52168842448489]
結晶構造予測(CSP)は様々な科学分野において重要である。
本稿では, 安定結晶から構造分布を学習する新しい拡散モデルであるDiffCSPを提案する。
論文 参考訳（メタデータ） (2023-07-30T15:46:33Z) - Higher-order topological Peierls insulator in a two-dimensional
atom-cavity system [58.720142291102135]
我々は、光子を介する相互作用が原子基底状態におけるプラケット配位結合パターンをいかに生み出すかを示す。
このパターンは2Dの非自明なトポロジカルギャップを開き、高次トポロジカル位相ホストコーナー状態をもたらす。
我々の研究は、原子量子シミュレータがいかにして、新しい強相関な位相現象を研究することができるかを示す。
論文 参考訳（メタデータ） (2023-05-05T10:25:14Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳（メタデータ） (2023-01-23T15:18:54Z) - 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) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳（メタデータ） (2020-09-28T15:05:39Z) - Radiative topological biphoton states in modulated qubit arrays [105.54048699217668]
導波路に結合した空間変調量子ビットアレイにおける束縛された光子の位相特性について検討した。
開放境界条件では、放射損失のあるエキゾチックなトポロジカル境界対縁状態が見つかる。
異なる空間変調を持つ2つの構造を結合することにより、記憶と量子情報処理に応用できる長寿命なインターフェース状態が見つかる。
論文 参考訳（メタデータ） (2020-02-24T04:44:12Z)
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。