論文の概要: Adaptive AI decision interface for autonomous electronic material discovery
- arxiv url: http://arxiv.org/abs/2504.13344v1
- Date: Thu, 17 Apr 2025 21:26:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-28 20:12:04.510895
- Title: Adaptive AI decision interface for autonomous electronic material discovery
- Title（参考訳）: 自律型電子材料発見のための適応型AI決定インタフェース
- Authors: Yahao Dai, Henry Chan, Aikaterini Vriza, Fredrick Kim, Yunfei Wang, Wei Liu, Naisong Shan, Jing Xu, Max Weires, Yukun Wu, Zhiqiang Cao, C. Suzanne Miller, Ralu Divan, Xiaodan Gu, Chenhui Zhu, Sihong Wang, Jie Xu,
- Abstract要約: AI/AEシステム上でAI決定インターフェースを開発し,実装する。
インターフェースの中心的な要素は、リアルタイム進捗監視、データ分析、インタラクティブな人間とAIのコラボレーションを実行するAIアドバイザである。
このプラットフォームを新しいタイプの電子材料混合イオン-電子導電性高分子に適用する。
- 参考スコア（独自算出の注目度）: 9.228340729592736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-powered autonomous experimentation (AI/AE) can accelerate materials discovery but its effectiveness for electronic materials is hindered by data scarcity from lengthy and complex design-fabricate-test-analyze cycles. Unlike experienced human scientists, even advanced AI algorithms in AI/AE lack the adaptability to make informative real-time decisions with limited datasets. Here, we address this challenge by developing and implementing an AI decision interface on our AI/AE system. The central element of the interface is an AI advisor that performs real-time progress monitoring, data analysis, and interactive human-AI collaboration for actively adapting to experiments in different stages and types. We applied this platform to an emerging type of electronic materials-mixed ion-electron conducting polymers (MIECPs) -- to engineer and study the relationships between multiscale morphology and properties. Using organic electrochemical transistors (OECT) as the testing-bed device for evaluating the mixed-conducting figure-of-merit -- the product of charge-carrier mobility and the volumetric capacitance ({\mu}C*), our adaptive AI/AE platform achieved a 150% increase in {\mu}C* compared to the commonly used spin-coating method, reaching 1,275 F cm-1 V-1 s-1 in just 64 autonomous experimental trials. A study of 10 statistically selected samples identifies two key structural factors for achieving higher volumetric capacitance: larger crystalline lamellar spacing and higher specific surface area, while also uncovering a new polymer polymorph in this material.
- Abstract（参考訳）: AI/AE(AI-powered autonomous experimentation)は、材料発見を加速するが、電子材料に対するその有効性は、長大で複雑な設計-ファブリケート-テスト-分析サイクルからのデータ不足によって妨げられる。
経験豊富な人間の科学者とは異なり、AI/AEの高度なAIアルゴリズムでさえ、限られたデータセットで情報的リアルタイム決定を行う適応性に欠ける。
ここでは、AI/AEシステム上でAI決定インターフェースを開発し、実装することで、この問題に対処する。
インターフェースの中心的な要素は、リアルタイムの進捗監視、データ分析、インタラクティブなヒューマンとAIのコラボレーションを実行するAIアドバイザであり、さまざまなステージやタイプの実験に積極的に適応する。
我々は、このプラットフォームを新しいタイプの電子材料混合イオン-電子導電性高分子(MIECP)に適用し、マルチスケール形態と物性の関係を工学し研究した。
電荷キャリアモビリティと容積容量({\mu}C*)の産物である混合導電性フィギュア・オブ・メリットを評価するテストベッド装置として有機電気化学トランジスタ(OECT)を用いて、我々の適応型AI/AEプラットフォームは、一般的なスピンコーティング法と比較して150%増加し、わずか64回の自律実験で1,275Fcm-1 V-1 s-1に達した。
統計的に選択された10種類の試料から, より大きな結晶性ラメラスペーシングと高比表面積の2つの重要な構造因子が同定された。
関連論文リスト
- Collaborative AI Enhances Image Understanding in Materials Science [4.014060445038403]
Copilot for Real-world Experimental Scientist (CRESt)システムによって、研究者は会話型AIを通じて自律的な研究室を制御することができる。
我々は,ChatGPTモデルとGeminiモデルの相補的な強みを利用するマルチエージェント協調機構を統合することにより,CREStを強化した。
論文 参考訳（メタデータ） (2025-03-17T13:44:30Z) - Autonomous Microscopy Experiments through Large Language Model Agents [4.241267255764773]
大規模言語モデル(LLM)は、材料研究のための自動運転研究所(SDL)の開発を加速させた。
本稿では,原子間力顕微鏡(AFM)を自動化するフレームワークであるAILA(Artificially Intelligent Lab Assistant)を紹介する。
我々の体系的な評価は、最先端の言語モデルがドキュメント検索のような基本的なタスクに悩まされていることを示している。
論文 参考訳（メタデータ） (2024-12-18T09:35:28Z) - Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
本稿では, イオン伝導体の迅速かつ信頼性の高いスクリーニング手法として, 普遍的な原子間ポテンシャルの解析手法を提案する。
第一原理計算では,10種中8種が室温で超イオン性であることが確認された。
本手法は, 機械学習電位によって駆動される分子動力学と比較して約50倍の高速化係数を達成し, 第一原理分子動力学に比べて少なくとも3,000倍高速である。
論文 参考訳（メタデータ） (2024-11-11T09:01:36Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Physics in the Machine: Integrating Physical Knowledge in Autonomous
Phase-Mapping [10.629434761354938]
科学インフォームドAIや科学AIは、データ分析から、クローズドループ自律システムにおける実験設計、シミュレーション、実行、分析まで、成長してきた。
CAMEOアルゴリズムは、物質系の構成構造関係を学習し、最適な機能特性を持つ材料組成を特定するという2つの課題に対処するために、科学的なAIを使用する。
論文 参考訳（メタデータ） (2021-11-15T00:48:34Z) - Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge
Computing: A Contextual-Bandit Approach [81.5261621619557]
階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。
まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。
そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
論文 参考訳（メタデータ） (2021-08-09T08:45:47Z) - BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。
ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文 参考訳（メタデータ） (2021-06-08T10:14:57Z) - Automated and Autonomous Experiment in Electron and Scanning Probe
Microscopy [0.0]
連続画像形成機構を有するイメージング手法における自動実験(AE)への主要な経路の解析を目指しています。
自動実験は一般分野の知識のより広い文脈で議論されるべきであり、実験の結果、双方が実験を通知し、増大させる。
論文 参考訳（メタデータ） (2021-03-22T20:24:41Z) - CASTELO: Clustered Atom Subtypes aidEd Lead Optimization -- a combined
machine learning and molecular modeling method [2.8381402107366034]
我々は、リード最適化ワークフローを自動化する機械学習と分子モデリングを組み合わせたアプローチを提案する。
本手法は, 薬剤の有効性向上に有効な, ホットスポットの新規なヒントを提供する。
論文 参考訳（メタデータ） (2020-11-27T15:41:00Z)
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。