論文の概要: Deep Learning Models for Colloidal Nanocrystal Synthesis

• arxiv url: http://arxiv.org/abs/2412.10838v1
• Date: Sat, 14 Dec 2024 14:18:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:54:52.100123
• Title: Deep Learning Models for Colloidal Nanocrystal Synthesis
• Title（参考訳）: コロイドナノ結晶合成のための深層学習モデル
• Authors: Kai Gu, Yingping Liang, Jiaming Su, Peihan Sun, Jia Peng, Naihua Miao, Zhimei Sun, Ying Fu, Haizheng Zhong, Jun Zhang,
• Abstract要約: ナノ結晶のコロイド合成は通常、複雑な化学反応と多段階結晶化プロセスを含む。 そこで我々は, 目的とするナノ結晶の最終的なサイズと形状と, 合成パラメータを相関付ける深層学習に基づくナノ結晶合成モデルを開発した。
• 参考スコア（独自算出の注目度）: 9.520435535546497
• License:
• Abstract: Colloidal synthesis of nanocrystals usually includes complex chemical reactions and multi-step crystallization processes. Despite the great success in the past 30 years, it remains challenging to clarify the correlations between synthetic parameters of chemical reaction and physical properties of nanocrystals. Here, we developed a deep learning-based nanocrystal synthesis model that correlates synthetic parameters with the final size and shape of target nanocrystals, using a dataset of 3500 recipes covering 348 distinct nanocrystal compositions. The size and shape labels were obtained from transmission electron microscope images using a segmentation model trained with a semi-supervised algorithm on a dataset comprising 1.2 million nanocrystals. By applying the reaction intermediate-based data augmentation method and elaborated descriptors, the synthesis model was able to predict nanocrystal's size with a mean absolute error of 1.39 nm, while reaching an 89% average accuracy for shape classification. The synthesis model shows knowledge transfer capabilities across different nanocrystals with inputs of new recipes. With that, the influence of chemicals on the final size of nanocrystals was further evaluated, revealing the importance order of nanocrystal composition, precursor or ligand, and solvent. Overall, the deep learning-based nanocrystal synthesis model offers a powerful tool to expedite the development of high-quality nanocrystals.
• Abstract（参考訳）: ナノ結晶のコロイド合成は通常、複雑な化学反応と多段階結晶化プロセスを含む。 過去30年間の大きな成功にもかかわらず、化学反応の合成パラメータとナノ結晶の物性との相関を明らかにすることは依然として困難である。 そこで我々は, 348個の異なるナノ結晶組成を含む3500個のレシピのデータセットを用いて, 合成パラメータとターゲットナノ結晶の最終的な大きさと形状を相関付ける深層学習に基づくナノ結晶合成モデルを開発した。 このサイズと形状のラベルは、120万ナノ結晶からなるデータセット上で半教師付きアルゴリズムで訓練されたセグメンテーションモデルを用いて、透過電子顕微鏡画像から得られた。 反応中間体に基づくデータ拡張法と精巧な記述子を適用し, 合成モデルにより, 平均絶対誤差1.39nmでナノ結晶粒径を推定し, 形状分類の平均精度は89%に達した。 合成モデルは、新しいレシピを入力した異なるナノ結晶間の知識伝達能力を示す。 そこで, ナノ結晶組成, 前駆体, リガンド, 溶媒の重要度を明らかにし, ナノ結晶の最終的なサイズに対する化学物質の影響を更に評価した。 全体として、ディープラーニングに基づくナノ結晶合成モデルは、高品質なナノ結晶の開発を迅速化するための強力なツールを提供する。

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)
• Ab Initio Structure Solutions from Nanocrystalline Powder Diffraction Data [4.463003012243322]
  材料科学における大きな課題は、ナノメートルサイズの物体の構造を決定することである。 本稿では,45,229の既知構造に基づく拡散過程に基づく生成機械学習モデルを用いた新しい手法を提案する。 我々のモデルであるPXRDnetは、対称性と複雑さの異なる200の材料にまたがる10アングストロームのシミュレーションナノ結晶を解くことに成功した。
  論文  参考訳（メタデータ） (2024-06-16T03:45:03Z)
• 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)
• 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)
• Predicting emergence of crystals from amorphous matter with deep learning [9.973423228389908]
  アモルファス相の準安定結晶への結晶化は、新しい物質の形成に基本的な役割を果たす。 本研究では, アモルファス相の結晶化生成物は, 局所構造モチーフの結晶化経路をサンプリングすることによって, 無機化学において予測可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-02T11:46:39Z)
• Extracting Structured Seed-Mediated Gold Nanorod Growth Procedures from Literature with GPT-3 [52.59930033705221]
  1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。 1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
  論文  参考訳（メタデータ） (2023-04-26T22:21:33Z)
• 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)
• Van der Waals Materials for Applications in Nanophotonics [49.66467977110429]
  本稿では, ナノフォトニクスプラットフォームとして, 層状ファンデルワールス結晶(vdW)を創出する。 機械的に剥離した薄膜(20-200nm)ファンデルワールス結晶の誘電応答を抽出し, 高い屈折率をn=5。 SiO$と金でナノアンテナを作製し,vdW薄膜と各種基板との相溶性を利用した。
  論文  参考訳（メタデータ） (2022-08-12T12:57:14Z)
• Experimental study of perovskite nanocrystals as single photon sources for integrated quantum photonics [0.0]
  この論文は、単光子エミッタとフォトニックナノ構造とのカップリングの研究に捧げられている。 ペロブスカイトナノ結晶のフルキャラクタリゼーションについて述べる。 イオン交換導波路周辺の近接場と近接場重合を併用して単一光子放出体を導波路にトラップする方法を示す。
  論文  参考訳（メタデータ） (2021-05-29T08:12:31Z)
• Predictive Synthesis of Quantum Materials by Probabilistic Reinforcement Learning [1.4680035572775534]
  本研究では, 半超電導単層MoS$_2$の量子材料に対する最適合成スケジュールの予測に強化学習を用いる。 このモデルは、多相ヘテロ構造を含む複雑な構造の合成のためのプロファイルを予測するために拡張することができる。
  論文  参考訳（メタデータ） (2020-09-14T20:50:45Z)

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。