論文の概要: WyckoffDiff - A Generative Diffusion Model for Crystal Symmetry
- arxiv url: http://arxiv.org/abs/2502.06485v1
- Date: Mon, 10 Feb 2025 14:04:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:33:29.827082
- Title: WyckoffDiff - A Generative Diffusion Model for Crystal Symmetry
- Title（参考訳）: WyckoffDiff - 結晶対称性のための生成拡散モデル
- Authors: Filip Ekström Kelvinius, Oskar B. Andersson, Abhijith S. Parackal, Dong Qian, Rickard Armiento, Fredrik Lindsten,
- Abstract要約: 本稿では,結晶の対称性に基づく記述を生成する生成モデルWyckoff Diffusionを提案する。
これは全ての対称性を符号化する結晶構造表現を考えることで実現される。
構成による対称性の尊重に加えて、我々のモデルの離散的性質は高速な生成を可能にする。
- 参考スコア（独自算出の注目度）: 10.650073214237207
- License:
- Abstract: Crystalline materials often exhibit a high level of symmetry. However, most generative models do not account for symmetry, but rather model each atom without any constraints on its position or element. We propose a generative model, Wyckoff Diffusion (WyckoffDiff), which generates symmetry-based descriptions of crystals. This is enabled by considering a crystal structure representation that encodes all symmetry, and we design a novel neural network architecture which enables using this representation inside a discrete generative model framework. In addition to respecting symmetry by construction, the discrete nature of our model enables fast generation. We additionally present a new metric, Fr\'echet Wrenformer Distance, which captures the symmetry aspects of the materials generated, and we benchmark WyckoffDiff against recently proposed generative models for crystal generation.
- Abstract（参考訳）: 結晶性材料は、しばしば高い対称性を示す。
しかし、ほとんどの生成モデルは対称性を考慮せず、その位置や要素に制約を加えることなく各原子をモデル化する。
結晶の対称性に基づく記述を生成する生成モデルWyckoff Diffusion(WyckoffDiff)を提案する。
これは、全ての対称性を符号化する結晶構造表現を考慮し、離散生成モデルフレームワーク内でこの表現を使用できる新しいニューラルネットワークアーキテクチャを設計することで実現される。
構成による対称性の尊重に加えて、我々のモデルの離散的性質は高速な生成を可能にする。
さらに、生成した材料の対称性を捉える新しい計量Fr'echet Wrenformer Distanceを提示し、最近提案された結晶生成のための生成モデルに対してWyckoffDiffをベンチマークする。
関連論文リスト
- SymmCD: Symmetry-Preserving Crystal Generation with Diffusion Models [20.39521603857931]
結晶対称性を生成過程に組み込んだ新しい生成モデルであるSymphCDを提案する。
結晶を2つの成分に分解し,拡散による共同分布を学習する。
The Materials Projectのサブセット上でSymCDの競争性能を示し、現実的な対称性と予測特性を持つ多種多様で有効な結晶を得る。
論文 参考訳（メタデータ） (2025-02-05T21:48:48Z) - Higher-order topology protected by latent crystalline symmetries [0.0]
系の等スペクトル還元を行うと、潜在回転対称性が明らかになるのに十分である。
この研究は、トポロジカル結晶絶縁体の分類を拡張し、潜在対称性を含む。
論文 参考訳（メタデータ） (2024-05-04T16:21:24Z) - Exotic Symmetry Breaking Properties of Self-Dual Fracton Spin Models [4.467896011825295]
2つの自己双対フラクトンスピンモデルの基底状態特性と相転移について検討する。
両モデルとも, 異常な$L-(D-1)$スケーリングで, 強い1次位相遷移を経験することを示す。
我々の研究は、サブ次元対称性の破れについての新しい理解を提供し、チェッカーボードとハアの符号の量子エラー補正特性を研究するための重要なステップとなる。
論文 参考訳（メタデータ） (2023-11-18T13:12:14Z) - 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) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Towards Symmetry-Aware Generation of Periodic Materials [64.21777911715267]
本稿では,周期構造体の物理対称性を捉える新しい物質生成手法であるSyMatを提案する。
SyMatは、変分オートエンコーダモデルを用いて、原子タイプセット、格子長、格子角を生成することによって、材料の原子タイプと格子を生成する。
我々は,SyMatが材料上のすべての対称性変換に理論的に不変であることを示し,SyMatがランダム生成および特性最適化タスクにおいて有望な性能を達成することを示す。
論文 参考訳（メタデータ） (2023-07-06T01:05:34Z) - Equivariant Parameter Sharing for Porous Crystalline Materials [4.271235935891555]
既存の結晶特性予測法は、制限的すぎる制約を持つか、単位細胞間で対称性を組み込むのみである。
我々は、結晶の単位セルの対称性をアーキテクチャに組み込んだモデルを開発し、多孔質構造を明示的にモデル化する。
提案手法は, 既存の結晶特性予測法よりも優れた性能を示し, 対称性の包含によりより効率的なモデルが得られることを確認した。
論文 参考訳（メタデータ） (2023-04-04T08:33:13Z) - Oracle-Preserving Latent Flows [58.720142291102135]
我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。
対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。
この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
論文 参考訳（メタデータ） (2023-02-02T00:13:32Z) - Normalizing flows for atomic solids [67.70049117614325]
原子状固体をモデル化するための正規化フローに基づく機械学習手法を提案する。
我々は,単原子水としてモデル化された立方晶および六角形氷のヘルムホルツ自由エネルギー推定と,切り離されたレナード・ジョーンズ系について報告する。
以上の結果から, 結晶形状に制約を加えることなく, 流動の正規化により, 固体の高品質な試料と自由エネルギー推定が可能であることが示唆された。
論文 参考訳（メタデータ） (2021-11-16T18:54:49Z) - Generalized string-nets for unitary fusion categories without
tetrahedral symmetry [77.34726150561087]
任意の多重度自由なユニタリ融合圏に対するLevin-Wenモデルの構築について述べる。
我々はハミルトニアンの行列要素を明示的に計算し、さらに元の要素と同じ性質を持つことを示す。
論文 参考訳（メタデータ） (2020-04-15T12:21:28Z)
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。