論文の概要: Crystal Structure Prediction with a Geometric Permutation-Invariant Loss Function

• arxiv url: http://arxiv.org/abs/2509.00832v1
• Date: Sun, 31 Aug 2025 13:03:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.41839
• Title: Crystal Structure Prediction with a Geometric Permutation-Invariant Loss Function
• Title（参考訳）: 幾何学的置換不変損失関数を用いた結晶構造予測
• Authors: Emmanuel Jehanno, Romain Menegaux, Julien Mairal, Sergei Grudinin,
• Abstract要約: 本稿では,$mathcalS$の置換不変性を保ちながら,鍵となる幾何学的分子特性を捉える新しい損失関数を提案する。 SinkFastはCOD-Cluster17ベンチマークでより複雑なフローマッチング手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 16.986704284824363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crystalline structure prediction remains an open challenge in materials design. Despite recent advances in computational materials science, accurately predicting the three-dimensional crystal structures of organic materials--an essential first step for designing materials with targeted properties--remains elusive. In this work, we address the problem of molecular assembly, where a set $\mathcal{S}$ of identical rigid molecules is packed to form a crystalline structure. Existing state-of-the-art models typically rely on computationally expensive, iterative flow-matching approaches. We propose a novel loss function that correctly captures key geometric molecular properties while maintaining permutation invariance over $\mathcal{S}$. We achieve this via a differentiable linear assignment scheme based on the Sinkhorn algorithm. Remarkably, we show that even a simple regression using our method {\em SinkFast} significantly outperforms more complex flow-matching approaches on the COD-Cluster17 benchmark, a curated subset of the Crystallography Open Database (COD).
• Abstract（参考訳）: 結晶構造予測は材料設計におけるオープンな課題である。 近年の計算材料科学の進歩にもかかわらず、有機材料の3次元結晶構造を正確に予測することは、標的となる特性を持つ材料を設計するための重要な第一歩である。 本研究では分子集合の問題に対処し、同じ固体分子のセット$\mathcal{S}$を充填して結晶構造を形成する。 既存の最先端モデルは通常、計算に高価で反復的なフローマッチングアプローチに依存している。 我々は,$\mathcal{S}$上での置換不変性を保ちながら,鍵となる幾何学的分子特性を正確に捉えた新しい損失関数を提案する。 我々はSinkhornアルゴリズムに基づく微分可能な線形代入スキームによりこれを実現する。 注目すべきは、我々の方法を用いた単純な回帰でさえ、Crystallography Open Database(COD)のキュレートされたサブセットであるCOD-Cluster17ベンチマークにおいて、より複雑なフローマッチングアプローチを著しく上回ることを示すことである。

関連論文リスト

• Machine Learning Workflow for Analysis of High-Dimensional Order Parameter Space: A Case Study of Polymer Crystallization from Molecular Dynamics Simulations [0.0]
  高分子中の結晶化経路の同定は分子シミュレーションに基づくデータを用いて現在行われている。 本研究では,結晶度を正確に定量化するための統合機械学習ワークフローを提案する。
  論文  参考訳（メタデータ） (2025-07-23T23:02:10Z)
• 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)
• GraphXForm: Graph transformer for computer-aided molecular design [73.1842164721868]
  既存の化合物を事前訓練したデコーダのみのグラフトランスフォーマアーキテクチャであるGraphXFormを提案する。 種々の薬物設計タスクで評価し、最先端の分子設計手法と比較して優れた客観的スコアを示す。
  論文  参考訳（メタデータ） (2024-11-03T19:45:15Z)
• Complete and Efficient Graph Transformers for Crystal Material Property Prediction [53.32754046881189]
  結晶構造は、3次元空間の正則格子に沿って繰り返される原始単位セル内の原子塩基によって特徴づけられる。 本稿では,各原子の格子に基づく表現を確立するために,単位細胞の周期パターンを利用する新しい手法を提案する。 結晶材料に特化して設計されたSE(3)トランスであるComFormerを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:06:37Z)
• 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)
• 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)
• Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
  分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。 分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
  論文  参考訳（メタデータ） (2021-10-26T14:14:40Z)
• 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)
• SPANet: Generalized Permutationless Set Assignment for Particle Physics using Symmetry Preserving Attention [62.43586180025247]
  大型ハドロン衝突型加速器の衝突は、観測された粒子の可変サイズの集合を生成する。 崩壊生成物の物理対称性は、観測された粒子の崩壊生成物の割り当てを複雑にする。 本稿では,対称性を保った注目ネットワークを構築するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:18:20Z)
• Crystal structure prediction of materials with high symmetry using differential evolution [0.5249805590164902]
  本稿では, 遺伝的アルゴリズムを用いて, 予測された構造物の接点マップと実構造物の接点マップとのマッチングを最大化するために, 接点マップに基づく結晶構造予測法を提案する。 結晶構造を高対称性で予測する際、大域最適化アルゴリズムは化学式を満たすWPの効果的な組み合わせを見つけるのが困難であることがわかった。 提案するアルゴリズムCMCrystalHSは,不整合接触地図次元の問題を効果的に解き,高対称性の結晶構造を予測できる。
  論文  参考訳（メタデータ） (2021-04-20T05:10:19Z)

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。