論文の概要: CrystalDiT: A Diffusion Transformer for Crystal Generation

• arxiv url: http://arxiv.org/abs/2508.16614v2
• Date: Wed, 27 Aug 2025 03:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 14:51:03.061341
• Title: CrystalDiT: A Diffusion Transformer for Crystal Generation
• Title（参考訳）: CrystalDiT: 結晶生成用拡散変圧器
• Authors: Xiaohan Yi, Guikun Xu, Xi Xiao, Zhong Zhang, Liu Liu, Yatao Bian, Peilin Zhao,
• Abstract要約: 本稿では,結晶構造生成のための拡散変圧器であるCrystalDiTについて述べる。 CrystalDiTは、格子と原子特性を単一の相互依存系として扱う、強力な誘導バイアスを課す統一トランスフォーマーを使用している。
• 参考スコア（独自算出の注目度）: 52.45780803467369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present CrystalDiT, a diffusion transformer for crystal structure generation that achieves state-of-the-art performance by challenging the trend of architectural complexity. Instead of intricate, multi-stream designs, CrystalDiT employs a unified transformer that imposes a powerful inductive bias: treating lattice and atomic properties as a single, interdependent system. Combined with a periodic table-based atomic representation and a balanced training strategy, our approach achieves 9.62% SUN (Stable, Unique, Novel) rate on MP-20, substantially outperforming recent methods including FlowMM (4.38%) and MatterGen (3.42%). Notably, CrystalDiT generates 63.28% unique and novel structures while maintaining comparable stability rates, demonstrating that architectural simplicity can be more effective than complexity for materials discovery. Our results suggest that in data-limited scientific domains, carefully designed simple architectures outperform sophisticated alternatives that are prone to overfitting.
• Abstract（参考訳）: 本稿では,結晶構造生成のための拡散変圧器であるCrystalDiTについて述べる。 複雑なマルチストリーム設計の代わりに、CrystalDiTは強力な誘導バイアスを課す統一トランスフォーマーを使用している。 周期表に基づく原子表現とバランスの取れたトレーニング戦略を組み合わせることで,MP-20では9.62%のSUN (Stable, Unique, Novel) を達成し,FlowMM (4.38%) やMatterGen (3.42%) など,近年の手法を大きく上回っている。 特に、CrystalDiTは63.28%の独特で新しい構造を生み出し、安定性を保ちながら、構造的単純さは材料発見の複雑さよりも効果的であることを示した。 以上の結果から,データに制限のある科学領域では,高度に設計されたシンプルなアーキテクチャが,過度に適合しやすい高度な代替品よりも優れていることが示唆された。

関連論文リスト

• 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)
• Transformer-Enhanced Variational Autoencoder for Crystal Structure Prediction [16.846289696048647]
  結晶構造予測のための変圧器強化変分オートエンコーダ(TransVAE-CSP)を提案する。 TransVAE-CSPは安定物質の特性分布空間を学習し、結晶構造の再構築と生成を可能にする。 CO_24, perov_5, mp_20データセットの実験結果から, TransVAE-CSPは構造再構成および生成タスクにおいて, 既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-13T15:45:36Z)
• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Generative Inverse Design of Crystal Structures via Diffusion Models with Transformers [1.2289361708127877]
  有望な性質を持つ新しい無機材料は、科学的にも工業的にも重要な課題である。 有望な性質を持つ新しい無機材料の発見は、科学的にも工業的にも重要な課題である。 そこで本研究では,トランスフォーマーアーキテクチャに基づくバックボーンを用いた,結晶構造の生成的逆設計のための新しいタイプの拡散モデルについて検討する。
  論文  参考訳（メタデータ） (2024-06-13T16:03:15Z)
• Crystalformer: Infinitely Connected Attention for Periodic Structure Encoding [10.170537065646323]
  結晶構造から材料の物性を予測することは、材料科学の基本的な問題である。 結晶構造が無限に繰り返し、原子の周期的な配列であり、完全に連結された注意が無限に連結された注意をもたらすことを示す。 本稿では, 結晶構造に対する簡単なトランスフォーマーベースエンコーダアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-03-18T11:37:42Z)
• 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)
• An invertible crystallographic representation for general inverse design of inorganic crystals with targeted properties [10.853822721106205]
  一般逆設計(所与の要素や結晶構造に限らず)が可能な枠組みを提案する。 このフレームワークは、ユーザが定義した形成エネルギー、バンドギャップ、熱電(TE)パワーファクター、およびそれらの組み合わせを備えた新しい結晶を生成する。 結果は、生成モデルを用いたプロパティ駆動の一般逆設計に向けた重要なステップである。
  論文  参考訳（メタデータ） (2020-05-15T15:58:31Z)

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。