論文の概要: The Open DAC 2025 Dataset for Sorbent Discovery in Direct Air Capture

• arxiv url: http://arxiv.org/abs/2508.03162v1
• Date: Tue, 05 Aug 2025 07:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.830783
• Title: The Open DAC 2025 Dataset for Sorbent Discovery in Direct Air Capture
• Title（参考訳）: DAC 2025 直接空気捕獲装置における余剰な発見のためのオープンデータセット
• Authors: Anuroop Sriram, Logan M. Brabson, Xiaohan Yu, Sihoon Choi, Kareem Abdelmaqsoud, Elias Moubarak, Pim de Haan, Sindy Löwe, Johann Brehmer, John R. Kitchin, Max Welling, C. Lawrence Zitnick, Zachary Ulissi, Andrew J. Medford, David S. Sholl,
• Abstract要約: Open DAC 2025 (ODAC) はODAC23 (Sriram et al., ACS Central Science, 10 (2024) 923の大幅な拡張と改良である。 ODACは、機能化されたMOF、高エネルギーGCMC由来の配置、および合成生成フレームワークを通じて、化学および構成の多様性を導入する。 我々は、ODAC25で訓練された最先端の機械学習型原子間ポテンシャルを新たにリリースし、ヘンリーの法則予測に基づいて評価する。
• 参考スコア（独自算出の注目度）: 36.09315402856902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying useful sorbent materials for direct air capture (DAC) from humid air remains a challenge. We present the Open DAC 2025 (ODAC25) dataset, a significant expansion and improvement upon ODAC23 (Sriram et al., ACS Central Science, 10 (2024) 923), comprising nearly 70 million DFT single-point calculations for CO$_2$, H$_2$O, N$_2$, and O$_2$ adsorption in 15,000 MOFs. ODAC25 introduces chemical and configurational diversity through functionalized MOFs, high-energy GCMC-derived placements, and synthetically generated frameworks. ODAC25 also significantly improves upon the accuracy of DFT calculations and the treatment of flexible MOFs in ODAC23. Along with the dataset, we release new state-of-the-art machine-learned interatomic potentials trained on ODAC25 and evaluate them on adsorption energy and Henry's law coefficient predictions.
• Abstract（参考訳）: 湿潤空気からの直接空気捕獲(DAC)に有用な吸着材を同定することは依然として困難である。 我々は,OdaC23(Sriram et al , ACS Central Science, 10 (2024) 923)に対して,CO$2$, H$2$O, N$2$, O$2$の15,000 MOFに対するDFT単点計算を約7000万 DFT で行うことにより,大幅な拡張と改善を行う Open DAC 2025(ODAC25)データセットを提案する。 ODAC25は、機能化されたMOF、高エネルギーGCMC由来の配置、および合成生成フレームワークを通じて、化学的および構成的な多様性を導入する。 ODAC25はまた、DFT計算の精度とOdaC23の柔軟なMOFの処理を大幅に改善する。 このデータセットと合わせて,ODAC25でトレーニングした最新の機械学習型原子間ポテンシャルを新たにリリースし,吸着エネルギーとヘンリーの法則係数予測に基づいて評価する。

関連論文リスト

• CarboNeXT and CarboFormer: Dual Semantic Segmentation Architectures for Detecting and Quantifying Carbon Dioxide Emissions Using Optical Gas Imaging [0.0]
  二酸化炭素(CO$$)排出は、環境影響と家畜管理を含む様々な産業プロセスの両方の重要な指標である。 我々は,光ガスイメージング(OGI)のためのセマンティックセグメンテーションフレームワークであるCarboNeXTを紹介した。
  論文  参考訳（メタデータ） (2025-05-23T18:01:42Z)
• Siamese Foundation Models for Crystal Structure Prediction [70.63218101004398]
  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。
  論文  参考訳（メタデータ） (2025-03-13T15:44:16Z)
• Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models [3.865029260331255]
  本稿では,Open Materials 2024 (OMat24) の大規模オープンデータセットのMeta FAIRリリースについて述べる。 OMat24は、構造的および構成的多様性に焦点を当てた1億1000万以上の密度汎関数理論(DFT)計算を含んでいる。 私たちのEquiformerV2モデルは、Matbench Discoveryのリーダーボード上で最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-10-16T17:48:34Z)
• Manifold-Constrained Nucleus-Level Denoising Diffusion Model for Structure-Based Drug Design [81.95343363178662]
  原子は分離違反を避けるために 最小の対距離を維持する必要がある NucleusDiff は原子核と周囲の電子雲の間の相互作用を距離制約によってモデル化する。 違反率は1000%まで減少し、結合親和性は22.16%まで向上し、構造に基づく薬物設計の最先端モデルを上回る。
  論文  参考訳（メタデータ） (2024-09-16T08:42:46Z)
• 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)
• COEFF-KANs: A Paradigm to Address the Electrolyte Field with KANs [5.759388420139191]
  液体電解質の組成に基づいてクーロン効率(CE)を自動的に予測する新しい手法を提案する。 得られた電解質の特徴を多層パーセプトロンまたはコルモゴロフ・アルノルドネットワークに入力してCEを予測する。 実世界のデータセットを用いた実験結果から,本手法はCE予測のためのSOTAを全ベースラインと比較した結果を得た。
  論文  参考訳（メタデータ） (2024-07-24T14:45:25Z)
• The Open DAC 2023 Dataset and Challenges for Sorbent Discovery in Direct Air Capture [9.310527759450462]
  直接空気捕捉(DAC)は、環境空気から直接二酸化炭素を捕捉する技術である。 我々は、3800万以上のMOF計算からなるOpen DAC 2023というデータセットを提案する。 DACに期待できる特性を持つ多数のMOFがODAC23で直接識別される。
  論文  参考訳（メタデータ） (2023-11-01T07:21:08Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Activity Cliff Prediction: Dataset and Benchmark [20.41770222873952]
  本稿ではまず,AC予測のための大規模データセットACNetを紹介する。 ACNetは400K以上のMMP(Matched Molecular Pairs)を190のターゲットに対してキュレートする。 本稿では、深いニューラルネットワークで符号化された分子表現の予測性能を交流予測のためにベンチマークするためのベースラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-15T09:19:07Z)
• 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)

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。