論文の概要: CrySPAI: A new Crystal Structure Prediction Software Based on Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2501.15838v1
- Date: Mon, 27 Jan 2025 07:53:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:55:03.956610
- Title: CrySPAI: A new Crystal Structure Prediction Software Based on Artificial Intelligence
- Title(参考訳): CrySPAI:人工知能に基づく新しい結晶構造予測ソフトウェア
- Authors: Zongguo Wang, Ziyi Chen, Yang Yuan, Yangang Wang,
- Abstract要約: 本稿では, 無機材料のエネルギー的安定な結晶構造を予測するために, 人工知能(AI)を用いた結晶構造予測パッケージCrySPAIを提案する。
このソフトウェアは、3つの重要なモジュールで構成されており、結晶構造の構成を探索する進化最適化アルゴリズム(EOA)、正確なエネルギー値を提供する密度汎関数理論(DFT)、結晶構造と対応するエネルギーの関係を学習するディープニューラルネットワーク(DNN)である。
- 参考スコア(独自算出の注目度): 18.986318006059566
- License:
- Abstract: Crystal structure predictions based on the combination of first-principles calculations and machine learning have achieved significant success in materials science. However, most of these approaches are limited to predicting specific systems, which hinders their application to unknown or unexplored domains. In this paper, we present CrySPAI, a crystal structure prediction package developed using artificial intelligence (AI) to predict energetically stable crystal structures of inorganic materials given their chemical compositions. The software consists of three key modules, an evolutionary optimization algorithm (EOA) that searches for all possible crystal structure configurations, density functional theory (DFT) that provides the accurate energy values for these structures, and a deep neural network (DNN) that learns the relationship between crystal structures and their corresponding energies. To optimize the process across these modules, a distributed framework is implemented to parallelize tasks, and an automated workflow has been integrated into CrySPAI for seamless execution. This paper reports the development and implementation of AI AI-based CrySPAI Crystal Prediction Software tool and its unique features.
- Abstract(参考訳): 第一原理計算と機械学習の組み合わせによる結晶構造予測は材料科学において大きな成功を収めた。
しかし、これらのアプローチのほとんどは特定のシステムの予測に限られており、未知または未探索のドメインへの適用を妨げる。
本稿では, 無機材料の化学組成からエネルギー的に安定な結晶構造を予測するために, 人工知能(AI)を用いた結晶構造予測パッケージCrySPAIを提案する。
このソフトウェアは、3つの重要なモジュールから構成されており、結晶構造の構成を探索する進化最適化アルゴリズム(EOA)、これらの構造に対して正確なエネルギー値を提供する密度汎関数理論(DFT)、結晶構造と対応するエネルギーの関係を学習するディープニューラルネットワーク(DNN)である。
これらのモジュール間のプロセスを最適化するために、タスクの並列化のために分散フレームワークが実装され、シームレスな実行のために自動化されたワークフローがCrySPAIに統合された。
本稿では,AIを用いたCrySPAI Crystal Prediction Softwareツールの開発と実装とその特徴について報告する。
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) - Generative Hierarchical Materials Search [91.93125016916463]
結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。
GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。
GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
論文 参考訳(メタデータ) (2024-09-10T17:51:28Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳(メタデータ) (2024-08-02T10:47:10Z) - Crystalformer: Infinitely Connected Attention for Periodic Structure Encoding [10.170537065646323]
結晶構造から材料の物性を予測することは、材料科学の基本的な問題である。
結晶構造が無限に繰り返し、原子の周期的な配列であり、完全に連結された注意が無限に連結された注意をもたらすことを示す。
本稿では, 結晶構造に対する簡単なトランスフォーマーベースエンコーダアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-03-18T11:37:42Z) - 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) - Shotgun crystal structure prediction using machine-learned formation energies [3.2563787689949133]
組み立てられた原子の結晶構造は、原子配置の広い空間内でエネルギー表面の大域的または局所的なミニマを見つけることで予測できる。
本稿では,結晶構造予測問題の解決に向けた大きな進展を示す。
我々は,機械学習エネルギー予測器を備えた仮想結晶構造の大規模なライブラリを用いて,非定常単発スクリーニングを行った。
論文 参考訳(メタデータ) (2023-05-03T14:46:16Z) - Neural Structure Fields with Application to Crystal Structure
Autoencoders [10.680545976155173]
本稿では,ニューラルネットワークを用いた結晶構造を表現するための高精度かつ実用的なアプローチとして,ニューラル構造体(NeSF)を提案する。
NeSFは空間分解能と計算複雑性のトレードオフを克服し、任意の結晶構造を表現することができる。
ペロブスカイト構造材料や銅酸化物超伝導体などの結晶構造を復元できる結晶構造のオートエンコーダを提案する。
論文 参考訳(メタデータ) (2022-12-08T16:41:41Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - Towards High Performance Relativistic Electronic Structure Modelling:
The EXP-T Program Package [68.8204255655161]
並列計算機用に設計されたFS-RCC方式の新たな実装を提案する。
実装のパフォーマンスとスケーリングの特徴を分析した。
開発されたソフトウェアは、重い超重核を含む原子や分子の性質を予測するための全く新しいレベルの精度を達成することができる。
論文 参考訳(メタデータ) (2020-04-07T20:08:30Z) - CRYSPNet: Crystal Structure Predictions via Neural Network [14.930208990741129]
結晶構造予測に機械学習を利用した代替手法を提案する。
我々は, 無機材料のブラベイス格子, 空間群, 格子パラメータを予測できる結晶構造予測ネットワーク(CRYSPNet)を開発した。
無機結晶構造データベース(Inorganic Crystal Structure Database)から10万以上のエントリでトレーニングされ、検証された。
論文 参考訳(メタデータ) (2020-03-31T16:05:18Z)
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。