論文の概要: Polymorphism Crystal Structure Prediction with Adaptive Space Group Diversity Control

• arxiv url: http://arxiv.org/abs/2506.11332v1
• Date: Thu, 12 Jun 2025 22:08:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.594896
• Title: Polymorphism Crystal Structure Prediction with Adaptive Space Group Diversity Control
• Title（参考訳）: 適応空間群多様性制御による多型結晶構造予測
• Authors: Sadman Sadeed Omee, Lai Wei, Sourin Dey, Jianjun Hu,
• Abstract要約: 結晶材料は、同じ化学組成で異なる構造配列(ポリモルフィック)を形成することができる。 適応空間群多様性制御手法を取り入れた多型CSPのための多目的遺伝的アルゴリズムを提案する。 ParetoCSP2は、ほぼ完全な空間群を含む多型予測において優れた性能を達成する。
• 参考スコア（独自算出の注目度）: 2.981139602986498
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Crystalline materials can form different structural arrangements (i.e. polymorphs) with the same chemical composition, exhibiting distinct physical properties depending on how they were synthesized or the conditions under which they operate. For example, carbon can exist as graphite (soft, conductive) or diamond (hard, insulating). Computational methods that can predict these polymorphs are vital in materials science, which help understand stability relationships, guide synthesis efforts, and discover new materials with desired properties without extensive trial-and-error experimentation. However, effective crystal structure prediction (CSP) algorithms for inorganic polymorph structures remain limited. We propose ParetoCSP2, a multi-objective genetic algorithm for polymorphism CSP that incorporates an adaptive space group diversity control technique, preventing over-representation of any single space group in the population guided by a neural network interatomic potential. Using an improved population initialization method and performing iterative structure relaxation, ParetoCSP2 not only alleviates premature convergence but also achieves improved convergence speed. Our results show that ParetoCSP2 achieves excellent performance in polymorphism prediction, including a nearly perfect space group and structural similarity accuracy for formulas with two polymorphs but with the same number of unit cell atoms. Evaluated on a benchmark dataset, it outperforms baseline algorithms by factors of 2.46-8.62 for these accuracies and improves by 44.8\%-87.04\% across key performance metrics for regular CSP. Our source code is freely available at https://github.com/usccolumbia/ParetoCSP2.
• Abstract（参考訳）: 結晶材料は、同じ化学組成で異なる構造配列(例えばポリモルフィック)を形成することができ、どのように合成されたか、あるいはその動作条件によって異なる物理的性質を示す。 例えば、炭素はグラファイト(軟質、導電性)やダイヤモンド(硬質、絶縁性)として存在する。 これらの多形を予測できる計算手法は材料科学において不可欠であり、安定関係を理解し、合成を指導し、広範囲な試行錯誤実験をせずに望ましい性質を持つ新しい物質を発見する。 しかし, 無機多形構造に対する有効結晶構造予測(CSP)アルゴリズムは依然として限られている。 本稿では,適応空間群多様性制御手法を取り入れた多形CSPの多目的遺伝的アルゴリズムであるParetoCSP2を提案する。 人口初期化法の改良と反復構造緩和により,ParetoCSP2は初期収束を緩和するだけでなく,収束速度の向上も達成する。 以上の結果から,ParetoCSP2は2つの多形を持つ式に対して,ほぼ完全な空間群と構造的類似性を含む多型予測の優れた性能を達成できることが示唆された。 ベンチマークデータセットに基づいて評価され、これらの精度に対して2.46-8.62の係数でベースラインアルゴリズムを上回り、通常のCSPの主要なパフォーマンス指標に対して44.8\%-87.04\%改善する。 ソースコードはhttps://github.com/usccolumbia/ParetoCSP2.comから無償で入手可能です。

関連論文リスト

• polyGen: A Learning Framework for Atomic-level Polymer Structure Generation [4.6516580885528835]
  繰り返し単位化学のような最小の入力から高分子構造に特異的に設計された最初の生成モデルであるpolyGenを紹介する。 ポリゲンは、高分子の伝統的な結晶構造予測法の限界を克服し、現実的で多様な線形および分岐配座を生成することに成功した。 天然高分子の弾力性を示す最初の原子レベルの実証実験として、物質構造生成の新たな能力を示す。
  論文  参考訳（メタデータ） (2025-04-24T15:26:00Z)
• Unleashing the power of novel conditional generative approaches for new materials discovery [3.972733741872872]
  結晶構造設計問題に対する2つの生成的アプローチを提案する。 1つは条件付き構造変化であり、最もエネルギー的に好ましい構造と全てのより安定なポリモルフィックの間のエネルギー差を利用する。 もう1つは条件付き構造の生成であり、最もエネルギー的に好ましい構造と、その全てのより安定したポリモルフィックの間のエネルギー差を利用する。
  論文  参考訳（メタデータ） (2024-11-05T14:58:31Z)
• Illuminating the property space in crystal structure prediction using Quality-Diversity algorithms [5.380545611878407]
  結晶構造予測分野へのテキスト品質多様性アルゴリズムの適用を提案する。 我々は機械学習シュロゲートモデルを用いて、最適化を導くために使用される原子間ポテンシャルと物質特性を計算する。 本稿では,ニューラルネットワークを用いて結晶特性をモデル化し,新しい構成-構造の組み合わせの同定を可能にする。
  論文  参考訳（メタデータ） (2024-03-06T07:38:31Z)
• Compositional Representation of Polymorphic Crystalline Materials [56.80318252233511]
  PCRLは,構成の確率論的モデリングを用いて,利用可能な構造情報から多型を抽出する手法である。 16のデータセットに対する広範囲な評価は、構成表現の学習におけるPCRLの有効性を示す。
  論文  参考訳（メタデータ） (2023-11-17T20:34:28Z)
• 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)
• Crystal structure prediction using neural network potential and age-fitness Pareto genetic algorithm [3.660182910533372]
  結晶構造予測(CSP)のための新しいアルゴリズムを提案する。 多目的遺伝的アルゴリズム(MOGA)とニューラルネットワーク間ポテンシャル(IAP)モデルを組み合わせて、エネルギー的に最適な結晶構造を見つける。 GN-OAと比較すると、予測能力は著しく向上し、25ドルの様々なベンチマーク構造に対して2.562ドルに上った。
  論文  参考訳（メタデータ） (2023-09-13T04:17:28Z)
• Deciphering RNA Secondary Structure Prediction: A Probabilistic K-Rook Matching Perspective [63.3632827588974]
  RFoldは、与えられたシーケンスから最もよく一致するK-Rook解を予測する方法である。 RFoldは、最先端のアプローチよりも競争性能とおよそ8倍の推論効率を達成する。
  論文  参考訳（メタデータ） (2022-12-02T16:34:56Z)
• Entropic trust region for densest crystallographic symmetry group packings [0.8399688944263843]
  分子結晶構造予測は、分子の化学組成と圧力-温度条件から最も安定した周期構造を求める。 現代のCSPソルバは、分子間ポテンシャルによって誘導される複雑なエネルギーランドスケープ内の最小自由エネルギー構造を探索するために、大域最適化手法を用いる。 本稿では,結晶対称性群(CSG)に制限された周期的パッキングのクラスを提案し,情報幾何学的枠組みによる最も密度の高いCSGパッキングの探索法を設計する。
  論文  参考訳（メタデータ） (2022-02-24T08:39:07Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)

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。