論文の概要: CrystalICL: Enabling In-Context Learning for Crystal Generation

• arxiv url: http://arxiv.org/abs/2508.20143v1
• Date: Wed, 27 Aug 2025 07:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:01.615205
• Title: CrystalICL: Enabling In-Context Learning for Crystal Generation
• Title（参考訳）: CrystalICL: 結晶生成のためのインコンテキスト学習の実現
• Authors: Ruobing Wang, Qiaoyu Tan, Yili Wang, Ying Wang, Xin Wang,
• Abstract要約: 大規模言語モデル(LLM)は、強力なコンテキスト内学習(ICL)能力を示している。 既存のLCMベースの結晶生成アプローチはゼロショットシナリオに限られており、少数ショットシナリオの恩恵を受けられない。 結晶生成のための新しいモデルであるCrystalICLを提案する。
• 参考スコア（独自算出の注目度）: 12.641999605656409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing crystal materials with desired physicochemical properties remains a fundamental challenge in materials science. While large language models (LLMs) have demonstrated strong in-context learning (ICL) capabilities, existing LLM-based crystal generation approaches are limited to zero-shot scenarios and are unable to benefit from few-shot scenarios. In contrast, human experts typically design new materials by modifying relevant known structures which aligns closely with the few-shot ICL paradigm. Motivated by this, we propose CrystalICL, a novel model designed for few-shot crystal generation. Specifically, we introduce a space-group based crystal tokenization method, which effectively reduces the complexity of modeling crystal symmetry in LLMs. We further introduce a condition-structure aware hybrid instruction tuning framework and a multi-task instruction tuning strategy, enabling the model to better exploit ICL by capturing structure-property relationships from limited data. Extensive experiments on four crystal generation benchmarks demonstrate the superiority of CrystalICL over the leading baseline methods on conditional and unconditional generation tasks.
• Abstract（参考訳）: 所望の物理化学的性質を持つ結晶材料の設計は、材料科学における根本的な課題である。 大規模言語モデル(LLM)は強力なコンテキスト内学習(ICL)能力を示しているが、既存のLCMベースの結晶生成アプローチはゼロショットシナリオに限定されており、少数ショットシナリオの恩恵を受けることができない。 対照的に、人間の専門家は、通常、数発のICLパラダイムと密接に一致した、関連する既知の構造を変更することで、新しい素材を設計する。 そこで本研究では,数発の結晶生成用に設計された新しいモデルであるCrystalICLを提案する。 具体的には, LLMにおける結晶対称性のモデル化の複雑さを効果的に軽減する空間群に基づく結晶トークン化法を提案する。 さらに、条件構造を考慮したハイブリッド命令チューニングフレームワークとマルチタスク命令チューニングストラテジーを導入し、限られたデータから構造-プロパティ関係をキャプチャすることで、ICLをよりよく活用できるようにする。 4つの結晶生成ベンチマークの大規模な実験は、条件付きおよび非条件付き生成タスクにおける主要なベースライン法よりもCrystalICLの方が優れていることを示した。

関連論文リスト

• CrystalDiT: A Diffusion Transformer for Crystal Generation [52.45780803467369]
  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。
  論文  参考訳（メタデータ） (2025-08-13T12:53:32Z)
• Large Language Models Are Innate Crystal Structure Generators [30.44669215588058]
  本研究では,事前学習した大規模言語モデルが,追加のトレーニングを伴わずに本質的に安定な結晶構造を生成可能であることを示す。 私たちのフレームワークであるMatLLMSearchは、事前訓練されたLLMと進化的検索アルゴリズムを統合し、78.38%のメタスタブルレートを達成する。
  論文  参考訳（メタデータ） (2025-02-28T10:41:16Z)
• Crystal-LSBO: Automated Design of De Novo Crystals with Latent Space Bayesian Optimization [11.988832749427077]
  本研究では、探索性を高めるために特別に調整された結晶のデノボ設計フレームワークであるCrystal-LSBOを紹介する。 本研究は,デ・ノボ結晶設計におけるLSBOの利用の先駆者であり,最適化タスクによる有効性を示すものである。
  論文  参考訳（メタデータ） (2024-05-28T07:03:49Z)
• Space Group Informed Transformer for Crystalline Materials Generation [2.405914457225118]
  本稿では, 変圧器を用いた自己回帰モデルであるCrystalFormerを紹介した。 空間群対称性の組み入れは結晶空間を著しく単純化し、結晶材料のデータおよび効率的な生成モデリングの計算に不可欠である。
  論文  参考訳（メタデータ） (2024-03-23T06:01:45Z)
• 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)
• Data-Driven Score-Based Models for Generating Stable Structures with Adaptive Crystal Cells [1.515687944002438]
  本研究は, 化学安定性や化学組成など, 新しい結晶構造を創出することを目的としている。 提案手法の新規性は、結晶細胞の格子が固定されていないという事実にある。 対称性の制約を尊重し、計算上の優位性をもたらす多グラフ結晶表現が導入された。
  論文  参考訳（メタデータ） (2023-10-16T02:53:24Z)
• 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)

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。