論文の概要: Siamese Foundation Models for Crystal Structure Prediction

• arxiv url: http://arxiv.org/abs/2503.10471v1
• Date: Thu, 13 Mar 2025 15:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:51:38.082015
• Title: Siamese Foundation Models for Crystal Structure Prediction
• Title（参考訳）: 結晶構造予測のためのシームズ基礎モデル
• Authors: Liming Wu, Wenbing Huang, Rui Jiao, Jianxing Huang, Liwei Liu, Yipeng Zhou, Hao Sun, Yang Liu, Fuchun Sun, Yuxiang Ren, Jirong Wen,
• Abstract要約: 結晶構造予測(CSP)は、組成から安定な結晶構造を生成することを目的としている。 CSPは比較的未発見の領域である。 CSPに特化して設計されたシームズ基礎モデルを提案する。
• 参考スコア（独自算出の注目度）: 70.63218101004398
• License:
• Abstract: Crystal Structure Prediction (CSP), which aims to generate stable crystal structures from compositions, represents a critical pathway for discovering novel materials. While structure prediction tasks in other domains, such as proteins, have seen remarkable progress, CSP remains a relatively underexplored area due to the more complex geometries inherent in crystal structures. In this paper, we propose Siamese foundation models specifically designed to address CSP. Our pretrain-finetune framework, named DAO, comprises two complementary foundation models: DAO-G for structure generation and DAO-P for energy prediction. Experiments on CSP benchmarks (MP-20 and MPTS-52) demonstrate that our DAO-G significantly surpasses state-of-the-art (SOTA) methods across all metrics. Extensive ablation studies further confirm that DAO-G excels in generating diverse polymorphic structures, and the dataset relaxation and energy guidance provided by DAO-P are essential for enhancing DAO-G's performance. When applied to three real-world superconductors ($\text{CsV}_3\text{Sb}_5$, $ \text{Zr}_{16}\text{Rh}_8\text{O}_4$ and $\text{Zr}_{16}\text{Pd}_8\text{O}_4$) that are known to be challenging to analyze, our foundation models achieve accurate critical temperature predictions and structure generations. For instance, on $\text{CsV}_3\text{Sb}_5$, DAO-G generates a structure close to the experimental one with an RMSE of 0.0085; DAO-P predicts the $T_c$ value with high accuracy (2.26 K vs. the ground-truth value of 2.30 K). In contrast, conventional DFT calculators like Quantum Espresso only successfully derive the structure of the first superconductor within an acceptable time, while the RMSE is nearly 8 times larger, and the computation speed is more than 1000 times slower. These compelling results collectively highlight the potential of our approach for advancing materials science research and development.
• Abstract（参考訳）: 結晶構造予測(CSP)は、組成から安定な結晶構造を生成することを目的としており、新しい物質を発見するための重要な経路である。 タンパク質などの他のドメインの構造予測タスクは目覚ましい進歩を遂げているが、CSPは結晶構造に固有のより複雑な地形のため、比較的未発見の領域である。 本稿では,CSPに特化して設計されたシームズ基礎モデルを提案する。 DAOは構造生成のためのDAO-Gとエネルギー予測のためのDAO-Pの2つの相補的基礎モデルから構成される。 CSPベンチマーク(MP-20とMPTS-52)の実験は、我々のDAO-Gがすべての指標で最先端(SOTA)メソッドをはるかに上回っていることを示している。 さらに, DAO-Gは多型構造の生成に優れており, DAO-Pによるデータセット緩和とエネルギー誘導はDAO-Gの性能向上に不可欠である。 3つの実世界の超伝導体 (\text{CsV}_3\text{Sb}_5$, $ \text{Zr}_{16}\text{Rh}_8\text{O}_4$ and $\text{Zr}_{16}\text{Pd}_8\text{O}_4$) に適用すると, 正確な温度予測と構造生成が可能である。 例えば、$\text{CsV}_3\text{Sb}_5$では、DAO-GはRMSEが0.0085である実験値に近い構造を生成する。 対照的に、Quantum Espressoのような従来のDFT電卓は許容時間内に最初の超伝導体の構造を導出することに成功し、RMSEは8倍近く大きく、計算速度は1000倍以上遅い。 これらの説得力のある結果は、材料科学研究・開発を進展させるアプローチの可能性を総括的に示している。

関連論文リスト

• Open Materials Generation with Stochastic Interpolants [14.939468363546384]
  結晶材料の生成と発見のための統一フレームワークであるオープンマテリアルジェネレーション(OMG)を紹介する。 OMGは、任意の塩基分布を結晶のターゲット分布にブリッジするために無機補間剤(SI)を用いる。 我々は,OMGの特定の構成に対する結晶構造予測(CSP)と,安定で新規でユニークな構造を発見することを目的とした'de novo'生成(DNG)の2つのタスクについて,OMGのパフォーマンスをベンチマークした。
  論文  参考訳（メタデータ） (2025-02-04T18:56:47Z)
• deCIFer: Crystal Structure Prediction from Powder Diffraction Data using Autoregressive Language Models [1.231476564107544]
  粉末回折データから結晶構造予測(CSP)を行う自己回帰言語モデルを提案する。 提示されたモデルであるdeCIFerは、広く使われているCrystallographic Information File (CIF)フォーマットで結晶構造を生成する。 我々は、DeCIFerを2.3M近いユニークな結晶構造で訓練し、挑戦的な無機結晶系を特徴づけるために様々なPXRDパターンの集合を検証した。
  論文  参考訳（メタデータ） (2025-02-04T10:09:47Z)
• A Cartesian Encoding Graph Neural Network for Crystal Structures Property Prediction: Application to Thermal Ellipsoid Estimation [3.832124825311177]
  回折に基づく結晶構造解析では、ADP(Anisotropic Displacement Parameters)によって定量化される熱楕円体は、決定が困難である。 本稿では,原子幾何を結晶温度とともにカルト座標に符号化することで,結晶特性を効率的に予測する新しいグラフニューラルネットワークであるCartNetを紹介する。 CartNetは計算コストを大幅に削減し、ADP予測の既存の手法を10.87%上回り、理論的なアプローチよりも34.77%改善している。
  論文  参考訳（メタデータ） (2025-01-30T14:24:03Z)
• CrysAtom: Distributed Representation of Atoms for Crystal Property Prediction [0.0]
  物質科学の文献では、結晶性物質がトポロジカルな構造を示すことはよく知られている。 本稿では,原子の密度ベクトル表現を生成するために,無相関結晶データを用いた教師なしフレームワーク,CrysAtomを提案する。
  論文  参考訳（メタデータ） (2024-09-07T06:58:55Z)
• 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)
• 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)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
  本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。 E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。 ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-02-13T23:21:25Z)

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。