論文の概要: SAGE-Amine: Generative Amine Design with Multi-Property Optimization for Efficient CO2 Capture

• arxiv url: http://arxiv.org/abs/2503.02534v1
• Date: Tue, 04 Mar 2025 12:02:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:00.932683
• Title: SAGE-Amine: Generative Amine Design with Multi-Property Optimization for Efficient CO2 Capture
• Title（参考訳）: SAGE-Amine: 効率的なCO2捕捉のためのマルチプロパシティ最適化による生成アミン設計
• Authors: Hocheol Lim, Hyein Cho, Jeonghoon Kim,
• Abstract要約: SAGE-AmineはCO2捕捉に適した新しいアミンを設計するための生成モデリング手法である。 アミンデータセットに基づいてトレーニングされた自己回帰自然言語処理モデルを活用することで、新しいアミンを生成する。 これは、CO2捕捉のための既知のアミンをスクラッチから同定し、シングルプロパティ最適化を成功させた。
• 参考スコア（独自算出の注目度）: 0.9968037829925945
• License:
• Abstract: Efficient CO2 capture is vital for mitigating climate change, with amine-based solvents being widely used due to their strong reactivity with CO2. However, optimizing key properties such as basicity, viscosity, and absorption capacity remains challenging, as traditional methods rely on labor-intensive experimentation and predefined chemical databases, limiting the exploration of novel solutions. Here, SAGE-Amine was introduced, a generative modeling approach that integrates Scoring-Assisted Generative Exploration (SAGE) with quantitative structure-property relationship models to design new amines tailored for CO2 capture. Unlike conventional virtual screening restricted to existing compounds, SAGE-Amine generates novel amines by leveraging autoregressive natural language processing models trained on amine datasets. SAGE-Amine identified known amines for CO2 capture from scratch and successfully performed single-property optimization, increasing basicity or reducing viscosity or vapor pressure. Furthermore, it facilitated multi-property optimization, simultaneously achieving high basicity with low viscosity and vapor pressure. The 10 top-ranked amines were suggested using SAGE-Amine and their thermodynamic properties were further assessed using COSMO-RS simulations, confirming their potential for CO2 capture. These results highlight the potential of generative modeling in accelerating the discovery of amine solvents and expanding the possibilities for industrial CO2 capture applications.
• Abstract（参考訳）: 効率的なCO2捕捉は気候変動の緩和に不可欠であり、アミン系溶媒はCO2との強い反応性のために広く利用されている。 しかしながら、基礎性、粘性、吸収能力といった重要な特性の最適化は、従来の手法は労働集約的な実験と事前定義された化学データベースに依存しており、新しい解の探索を制限しているため、依然として困難である。 そこで, SAGE-Amineは, Scoring-Assisted Generative Exploration (SAGE) と定量的構造-プロパティ関係モデルを統合し, CO2捕捉に適した新しいアミンを設計する生成モデルである。 既存の化合物に制限された従来の仮想スクリーニングとは異なり、SAGE-Amineはアミンデータセットに基づいて訓練された自己回帰自然言語処理モデルを活用することにより、新しいアミンを生成する。 SAGE-Amineは、CO2捕捉のための既知のアミンをスクラッチから同定し、単価最適化を成功させ、基本性を高めたり、粘度や蒸気圧を低下させた。 さらに, 粘度と蒸気圧の低い高塩基度を同時に達成し, マルチプロパティ最適化を容易にした。 SAGE-Amineを用いてトップランク10のアミンが提案され、その熱力学特性はCOSMO-RSシミュレーションによりさらに評価され、CO2捕捉の可能性が確認された。 これらの結果は, アミン溶剤の発見を加速し, 工業用CO2捕捉への応用の可能性を広げる上で, 生成モデルの可能性を強調した。

関連論文リスト

• Balancing property optimization and constraint satisfaction for constrained multi-property molecular optimization [13.665517935917048]
  複数の分子特性を同時に最適化するフレキシブルかつ効率的な手法である制約付きマルチプロパタイト分子最適化フレームワーク(CMOMO)を提案する。 実験の結果,5つの最先端分子最適化法よりもCMOMOの方が優れた性能を示した。
  論文  参考訳（メタデータ） (2024-11-19T02:01:13Z)
• Conditional Latent Space Molecular Scaffold Optimization for Accelerated Molecular Design [17.175846006359674]
  初期入力と類似性を保ちながら分子を戦略的に修飾するための条件付き遅延空間分子スカフォールド最適化(CLaSMO)を導入する。 我々のLSBO設定は、最適化のサンプル効率を向上し、我々の修正アプローチは、実世界の適用可能性の高い分子を得るのに役立ちます。 我々はまた、化学の専門家がCLaSMOをHuman-in-the-Loop設定で適用できるオープンソースのWebアプリケーションも提供する。
  論文  参考訳（メタデータ） (2024-11-03T03:17:38Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Retrosynthesis prediction enhanced by in-silico reaction data augmentation [66.5643280109899]
  RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。 3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-01-31T07:40:37Z)
• A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture [3.7693836475281297]
  GHP-MOFassembleは、CO2容量と合成可能なリンカーを備えたMOFの合理的かつ迅速な設計のための生成人工知能フレームワークである。 GHP-MOFassembleは、一意性、合成可能性、構造的妥当性のためにAI生成のMOFをスクリーンし、検証する。 仮説MOFデータセットの96.9%以上の2$m mol/g$以上のCO2容量を持つAI生成MOFの上位6つを提示する。
  論文  参考訳（メタデータ） (2023-06-14T18:32:26Z)
• Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
  機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。 そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。 予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
  論文  参考訳（メタデータ） (2023-03-24T18:32:38Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
  汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。 QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。 QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T18:51:18Z)

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。