論文の概要: Enhancing Materials Discovery with Valence Constrained Design in Generative Modeling

• arxiv url: http://arxiv.org/abs/2507.19799v1
• Date: Sat, 26 Jul 2025 05:15:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.257957
• Title: Enhancing Materials Discovery with Valence Constrained Design in Generative Modeling
• Title（参考訳）: 生産モデルにおける価値制約設計による材料発見の促進
• Authors: Mouyang Cheng, Weiliang Luo, Hao Tang, Bowen Yu, Yongqiang Cheng, Weiwei Xie, Ju Li, Heather J. Kulik, Mingda Li,
• Abstract要約: CrysVCD (Crystal generator with Valence-Constrained Design) は,化学規則を直接生成プロセスに統合するモジュラーフレームワークである。 CrysVCDはまず、変圧器に基づく要素言語モデルを用いて組成を生成し、続いて拡散モデルを用いて結晶構造を生成する。 CrysVCD 85%の熱力学的安定性と68%のフォノン安定性を微調整した。
• 参考スコア（独自算出の注目度）: 11.27529209274884
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion-based deep generative models have emerged as powerful tools for inverse materials design. Yet, many existing approaches overlook essential chemical constraints such as oxidation state balance, which can lead to chemically invalid structures. Here we introduce CrysVCD (Crystal generator with Valence-Constrained Design), a modular framework that integrates chemical rules directly into the generative process. CrysVCD first employs a transformer-based elemental language model to generate valence-balanced compositions, followed by a diffusion model to generate crystal structures. The valence constraint enables orders-of-magnitude more efficient chemical valence checking, compared to pure data-driven approaches with post-screening. When fine-tuned on stability metrics, CrysVCD achieves 85% thermodynamic stability and 68% phonon stability. Moreover, CrysVCD supports conditional generation of functional materials, enabling discovery of candidates such as high thermal conductivity semiconductors and high-$\kappa$ dielectric compounds. Designed as a general-purpose plugin, CrysVCD can be integrated into diverse generative pipeline to promote chemical validity, offering a reliable, scientifically grounded path for materials discovery.
• Abstract（参考訳）: 拡散に基づく深層生成モデルは、逆材料設計のための強力なツールとして登場してきた。 しかし、既存の多くのアプローチは酸化状態のバランスのような化学的な制約を無視し、化学的に無効な構造に繋がる可能性がある。 本稿では,CrysVCD (Crystal generator with Valence-Constrained Design)を紹介する。 CrysVCDはまず、変圧器に基づく要素言語モデルを用いて原子価平衡の組成を生成し、続いて拡散モデルを用いて結晶構造を生成する。 価値制約は、ポストスクリーニングによる純粋なデータ駆動アプローチに比べて、より効率的な化学価値チェックを可能にする。 安定性の指標を微調整すると、CrysVCDは85%の熱力学的安定性と68%のフォノン安定性を達成する。 さらに、CrysVCDは機能材料の条件付き生成をサポートし、高熱伝導率半導体や高価の誘電体化合物などの候補を発見できる。 汎用プラグインとして設計されたCrysVCDは、様々な生成パイプラインに統合して化学的妥当性を促進し、材料発見の信頼性と科学的基盤を提供する。

関連論文リスト

• Wyckoff Transformer: Generation of Symmetric Crystals [0.5968063252533801]
  内部対称性は、物理的、化学的、電子的性質を決定する上で基本的な役割を果たす。 空間群対称性を条件付ける生成モデルWyFormerを紹介する。 Wyckoff の位置をエレガントで圧縮され、離散的な構造表現の基盤として用いることでこれを達成している。
  論文  参考訳（メタデータ） (2025-03-04T08:50:10Z)
• Active Learning for Conditional Inverse Design with Crystal Generation and Foundation Atomic Models [2.8408587358426725]
  本稿では, 結晶生成モデルと基本原子モデルを組み合わせて, 逆設計の精度と効率を高めるための能動的学習フレームワークを提案する。 我々のフレームワークは、様々な結晶生成と基盤原子モデルに対応し、AI駆動材料発見のためのスケーラブルなアプローチを確立している。
  論文  参考訳（メタデータ） (2025-02-24T09:15:38Z)
• 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)
• Unusual charge density wave introduced by Janus structure in monolayer vanadium dichalcogenides [13.06647934747315]
  物質の対称性は電荷密度波(CDW)を持つ遷移金属ジアルコゲナイド(TMD)のエキゾチック量子特性を決定する 逆対称性を破って、人工的に構築された格子であるヤヌス構造は、CDW状態と関連する性質をチューニングする機会を与える。 ここでは,VTe2の表面セレン化を用いて単層膜Janus VTeSeを作製した。 走査型トンネル顕微鏡では、回転対称性が3倍の異常なルート13-root13 CDW状態が観察され、特徴付けられる。
  論文  参考訳（メタデータ） (2024-06-18T01:20:38Z)
• Adapting OC20-trained EquiformerV2 Models for High-Entropy Materials [0.5812062802134551]
  オープン触媒プロジェクトから事前学習したEquiformerV2モデルの調整および微調整を行った結果について述べる。 結合部位の局所環境に基づいてエネルギーフィルタを適用することにより、ゼロショット推論が著しく改善される。 また、一般的な機械学習の可能性を想定したEquiformerV2は、より小さく、より焦点を絞った直接推論モデルに通知することができる。
  論文  参考訳（メタデータ） (2024-03-14T18:59:54Z)
• Fine-Tuned Language Models Generate Stable Inorganic Materials as Text [53.81190146434045]
  テキストエンコードされた原子構造データに基づく微調整された大規模言語モデルは、実装が簡単で信頼性が高い。 我々の最強モデルは、CDVAEの約2倍の速度で準安定であると予測された物質を生成することができる。 テキストプロンプト固有の柔軟性のため、我々のモデルは安定物質を無条件に生成するために同時に使用することができる。
  論文  参考訳（メタデータ） (2024-02-06T20:35:28Z)
• 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)
• Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
  本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。 本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。 その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
  論文  参考訳（メタデータ） (2023-10-07T21:36:55Z)
• Diffusion probabilistic models enhance variational autoencoder for crystal structure generative modeling [2.524526956420465]
  本研究では,新しい拡散確率モデルを用いて原子座標を識別する。 提案するDP-CDVAEモデルでは,元のCDVAEと統計的に比較可能な特性を持つ結晶構造を再構成し,生成することができる。 これらの構造と真の基底状態の間のエネルギー差は、元のCDVAEによって生成されたものよりも平均68.1 meV/atom低い。
  論文  参考訳（メタデータ） (2023-08-04T06:53:22Z)
• TOF-SIMS Analysis of Decoherence Sources in Nb Superconducting Resonators [48.7576911714538]
  超伝導量子ビットは、潜在的に基盤となるプラットフォーム技術として出現している。 材料品質と界面構造は、デバイスの性能を抑え続けている。 薄膜および隣接領域の2レベル系欠陥はノイズを導入し、電磁エネルギーを散逸させる。
  論文  参考訳（メタデータ） (2021-08-30T22:22:47Z)

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。