論文の概要: Adaptive AI-Driven Material Synthesis: Towards Autonomous 2D Materials Growth

• arxiv url: http://arxiv.org/abs/2410.10885v1
• Date: Thu, 10 Oct 2024 15:00:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:00:28.498509
• Title: Adaptive AI-Driven Material Synthesis: Towards Autonomous 2D Materials Growth
• Title（参考訳）: 適応型AI駆動型材料合成 : 自律的な2次元材料成長を目指して
• Authors: Leonardo Sabattini, Annalisa Coriolano, Corneel Casert, Stiven Forti, Edward S. Barnard, Fabio Beltram, Massimiliano Pontil, Stephen Whitelam, Camilla Coletti, Antonio Rossi,
• Abstract要約: 本研究では,進化的手法で学習したニューラルネットワーク(ANN)を用いた自律材料合成の最前線について検討する。 我々のアプローチは、ニューラルネットワークがグラフェンの効率的な成長のための時間依存プロトコルを反復的かつ自律的に学習できることを示します。 この研究は材料工学の分野に大きく貢献し、合成プロセスにおける革新と効率の新しい時代を育む。
• 参考スコア（独自算出の注目度）: 17.92848271095797
• License:
• Abstract: Two-dimensional (2D) materials are poised to revolutionize current solid-state technology with their extraordinary properties. Yet, the primary challenge remains their scalable production. While there have been significant advancements, much of the scientific progress has depended on the exfoliation of materials, a method that poses severe challenges for large-scale applications. With the advent of artificial intelligence (AI) in materials science, innovative synthesis methodologies are now on the horizon. This study explores the forefront of autonomous materials synthesis using an artificial neural network (ANN) trained by evolutionary methods, focusing on the efficient production of graphene. Our approach demonstrates that a neural network can iteratively and autonomously learn a time-dependent protocol for the efficient growth of graphene, without requiring pretraining on what constitutes an effective recipe. Evaluation criteria are based on the proximity of the Raman signature to that of monolayer graphene: higher scores are granted to outcomes whose spectrum more closely resembles that of an ideal continuous monolayer structure. This feedback mechanism allows for iterative refinement of the ANN's time-dependent synthesis protocols, progressively improving sample quality. Through the advancement and application of AI methodologies, this work makes a substantial contribution to the field of materials engineering, fostering a new era of innovation and efficiency in the synthesis process.
• Abstract（参考訳）: 2次元(2D)材料は、現在の固体技術にその異常な性質で革命を起こすことができる。 しかし、最大の課題は、彼らのスケーラブルな生産です。 顕著な進歩はあったが、科学的な進歩の多くは材料の剥離に依存しており、これは大規模な応用に深刻な課題をもたらす方法である。 材料科学における人工知能(AI)の出現に伴い、革新的な合成手法が現在地平線上にある。 本研究では, 進化的手法で学習した人工ニューラルネットワーク(ANN)を用いて, グラフェンの効率的な生産に焦点をあてて, 自律材料合成の最前線について検討する。 我々のアプローチは、ニューラルネットワークが効果的なレシピを構成するものを事前訓練することなく、グラフェンの効率的な成長のための時間依存プロトコルを反復的かつ自律的に学習できることを示します。 評価基準はラマン符号と単層グラフェンとの近接に基づいており、スペクトルが理想的な連続単層構造とよりよく似ている結果に対して高いスコアが与えられる。 このフィードバック機構は、ANNの時間依存合成プロトコルを反復的に改良し、サンプルの品質を徐々に改善する。 この研究は、AI方法論の進歩と応用を通じて、材料工学の分野に多大な貢献をし、合成プロセスにおける革新と効率の新しい時代を育む。

関連論文リスト

• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
  本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。 グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
  論文  参考訳（メタデータ） (2024-03-25T03:23:03Z)
• An Autonomous Large Language Model Agent for Chemical Literature Data Mining [60.85177362167166]
  本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。 本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
  論文  参考訳（メタデータ） (2024-02-20T13:21:46Z)
• AIMS-EREA -- A framework for AI-accelerated Innovation of Materials for Sustainability -- for Environmental Remediation and Energy Applications [0.0]
  AIMS-EREAは、マテリアルサイエンス理論のベストをジェネレーティブAIのパワーと組み合わせる新しいフレームワークです。 これはまた、有害な残留物や反応の副産物の生成の可能性を排除するのに役立つ。
  論文  参考訳（メタデータ） (2023-11-18T12:35:45Z)
• Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis [55.41644538483948]
  総合成量200のCsPbBr3ナノプレート(NPL)の品質向上のためのアルゴリズムを開発した。 このアルゴリズムは、前駆率に基づいて、NPL分散のPL放出最大値を予測することができる。
  論文  参考訳（メタデータ） (2022-10-18T11:54:11Z)
• A Deep Learning Generative Model Approach for Image Synthesis of Plant Leaves [62.997667081978825]
  我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。 我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
  論文  参考訳（メタデータ） (2021-11-05T10:53:35Z)
• Automated Biodesign Engineering by Abductive Meta-Interpretive Learning [8.788941848262786]
  Abductive Meta-Interpretive Learning($Meta_Abd$)を活用した自動バイオデザインエンジニアリングフレームワークを提案します。 本稿では,Abductive Meta-Interpretive Learning(Meta_Abd$)を活用したバイオデザイン自動工学フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-17T12:10:26Z)
• Artificial Intelligence based Autonomous Molecular Design for Medical Therapeutic: A Perspective [9.371378627575883]
  ドメイン認識機械学習(ML)モデルは、小さな分子治療設計の加速にますます採用されている。 我々は、各コンポーネントによって達成された最新のブレークスルーと、このような自律型AIとMLワークフローをどのように実現できるかを提示する。
  論文  参考訳（メタデータ） (2021-02-10T00:43:46Z)
• Autonomous synthesis of metastable materials [13.506040229814499]
  我々はSARA(Scientific Autonomous Reasoning Agent)が管理する階層的自律実験による準安定物質の高速合成と探索を実証する。 SARAは、処理フェーズダイアグラムの構造を効率的に明らかにするAI手法の階層構造とともに、ロボット素材の合成とキャラクタリゼーションを統合する。 我々は,bi$o$_3$システムにおける合成相境界を自律的にマッピングすることにより,合成相図の確立においてその性能を実証する。
  論文  参考訳（メタデータ） (2021-01-19T00:29:26Z)
• Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
  反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。 既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。 本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
  論文  参考訳（メタデータ） (2020-06-29T05:53:33Z)

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。