論文の概要: Adaptive Constraint Integration for Simultaneously Optimizing Crystal Structures with Multiple Targeted Properties
- arxiv url: http://arxiv.org/abs/2410.08562v1
- Date: Fri, 11 Oct 2024 06:35:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-14 13:30:44.649887
- Title: Adaptive Constraint Integration for Simultaneously Optimizing Crystal Structures with Multiple Targeted Properties
- Title(参考訳): マルチターゲット特性を持つ結晶構造を同時最適化するための適応的制約積分
- Authors: Akihiro Fujii, Yoshitaka Ushiku, Koji Shimizu, Anh Khoa Augustin Lu, Satoshi Watanabe,
- Abstract要約: Adaptive Crystal Synthesizer (SMOACS) を用いた同時多目的最適化
SMOACSは、モデル再トレーニングを必要とせずに、適応的制約を最適化プロセスに統合することを可能にする。
我々は,135個の原子サイトまでの大きな原子配置において,電気的中立性を維持するという困難な制約を満たす中で,バンドギャップの最適化を実証した。
- 参考スコア(独自算出の注目度): 7.559885439354167
- License:
- Abstract: In materials science, finding crystal structures that have targeted properties is crucial. While recent methodologies such as Bayesian optimization and deep generative models have made some advances on this issue, these methods often face difficulties in adaptively incorporating various constraints, such as electrical neutrality and targeted properties optimization, while keeping the desired specific crystal structure. To address these challenges, we have developed the Simultaneous Multi-property Optimization using Adaptive Crystal Synthesizer (SMOACS), which utilizes state-of-the-art property prediction models and their gradients to directly optimize input crystal structures for targeted properties simultaneously. SMOACS enables the integration of adaptive constraints into the optimization process without necessitating model retraining. Thanks to this feature, SMOACS has succeeded in simultaneously optimizing targeted properties while maintaining perovskite structures, even with models trained on diverse crystal types. We have demonstrated the band gap optimization while meeting a challenging constraint, that is, maintaining electrical neutrality in large atomic configurations up to 135 atom sites, where the verification of the electrical neutrality is challenging. The properties of the most promising materials have been confirmed by density functional theory calculations.
- Abstract(参考訳): 材料科学では、標的となる性質を持つ結晶構造を見つけることが重要である。
ベイズ最適化や深部生成モデルのような最近の手法はこの問題にいくつかの進歩をもたらしたが、これらの手法は、望まれる特定の結晶構造を維持しながら、電気的中立性や標的特性の最適化といった様々な制約を適応的に組み込むのが困難であることが多い。
これらの課題に対処するため,適応型結晶合成器 (SMOACS) を用いた同時多目的最適化法を開発した。
SMOACSは、モデル再トレーニングを必要とせずに、適応的制約を最適化プロセスに統合することを可能にする。
この特徴により、SMOACSは様々な結晶タイプで訓練されたモデルであっても、ペロブスカイト構造を維持しながら標的特性を同時に最適化することに成功している。
我々は、電気的中立性の検証が困難な135個の原子配置において、電気的中立性を維持するという挑戦的な制約を満たす中で、バンドギャップの最適化を実証した。
最も有望な材料の性質は密度汎関数理論の計算によって確認されている。
関連論文リスト
- Crystal-LSBO: Automated Design of De Novo Crystals with Latent Space Bayesian Optimization [11.988832749427077]
本研究では、探索性を高めるために特別に調整された結晶のデノボ設計フレームワークであるCrystal-LSBOを紹介する。
本研究は,デ・ノボ結晶設計におけるLSBOの利用の先駆者であり,最適化タスクによる有効性を示すものである。
論文 参考訳(メタデータ) (2024-05-28T07:03:49Z) - Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳(メタデータ) (2024-03-20T00:41:12Z) - DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。
DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
論文 参考訳(メタデータ) (2024-03-07T02:53:40Z) - Illuminating the property space in crystal structure prediction using
Quality-Diversity algorithms [5.380545611878407]
結晶構造予測分野へのテキスト品質多様性アルゴリズムの適用を提案する。
我々は機械学習シュロゲートモデルを用いて、最適化を導くために使用される原子間ポテンシャルと物質特性を計算する。
本稿では,ニューラルネットワークを用いて結晶特性をモデル化し,新しい構成-構造の組み合わせの同定を可能にする。
論文 参考訳(メタデータ) (2024-03-06T07:38:31Z) - Dual-Space Optimization: Improved Molecule Sequence Design by Latent
Prompt Transformer [78.47949363282868]
本稿では,遅延空間サンプリングとデータ空間選択を統合したDual-Space Optimization (DSO)法を提案する。
DSOは、生成モデルと合成データを所望のプロパティ値の領域にシフトさせる最適化プロセスにおいて、潜在空間生成モデルと合成データセットを反復的に更新する。
提案手法の有効性を実証し, 単一目的, 多目的, 制約された分子設計タスクにまたがる新しい性能ベンチマークを設定した。
論文 参考訳(メタデータ) (2024-02-27T03:33:23Z) - 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) - 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) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳(メタデータ) (2022-10-19T19:04:45Z) - Physics-Constrained Neural Network for Design and Feature-Based
Optimization of Weave Architectures [0.6144680854063939]
本稿では,新しい物理制約ニューラルネットワーク(PCNN)を提案する。
提案したPCNNは,提案した基準モデルよりも高い精度で,所望の弾性率の織り込みを効果的に予測できることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:16:45Z)
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。