論文の概要: MATAI: A Generalist Machine Learning Framework for Property Prediction and Inverse Design of Advanced Alloys

• arxiv url: http://arxiv.org/abs/2511.10108v1
• Date: Fri, 14 Nov 2025 01:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.700326
• Title: MATAI: A Generalist Machine Learning Framework for Property Prediction and Inverse Design of Advanced Alloys
• Title（参考訳）: MATAI: 先進合金の特性予測と逆設計のための汎用機械学習フレームワーク
• Authors: Yanchen Deng, Chendong Zhao, Yixuan Li, Bijun Tang, Xinrun Wang, Zhonghan Zhang, Yuhao Lu, Penghui Yang, Jianguo Huang, Yushan Xiao, Cuntai Guan, Zheng Liu, Bo An,
• Abstract要約: MATAIは、鋳型合金の逆設計のための機械学習フレームワークである。 キュレートされたデータベース、ディープニューラルネットワークベースのプロパティ予測器、制約対応最適化エンジン、反復的なAI-実験フィードバックループを統合する。 軽量構造材料の標準クラスであるTi基合金におけるMATAIの機能を示す。
• 参考スコア（独自算出の注目度）: 42.606804375198465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The discovery of advanced metallic alloys is hindered by vast composition spaces, competing property objectives, and real-world constraints on manufacturability. Here we introduce MATAI, a generalist machine learning framework for property prediction and inverse design of as-cast alloys. MATAI integrates a curated alloy database, deep neural network-based property predictors, a constraint-aware optimization engine, and an iterative AI-experiment feedback loop. The framework estimates key mechanical propertie, sincluding density, yield strength, ultimate tensile strength, and elongation, directly from composition, using multi-task learning and physics-informed inductive biases. Alloy design is framed as a constrained optimization problem and solved using a bi-level approach that combines local search with symbolic constraint programming. We demonstrate MATAI's capabilities on the Ti-based alloy system, a canonical class of lightweight structural materials, where it rapidly identifies candidates that simultaneously achieve lower density (<4.45 g/cm3), higher strength (>1000 MPa) and appreciable ductility (>5%) through only seven iterations. Experimental validation confirms that MATAI-designed alloys outperform commercial references such as TC4, highlighting the framework's potential to accelerate the discovery of lightweight, high-performance materials under real-world design constraints.
• Abstract（参考訳）: 先進的な金属合金の発見は、広大な組成空間、競合する特性目標、製造性に対する現実的な制約によって妨げられている。 本稿では,アストキャスト合金の特性予測と逆設計のための汎用機械学習フレームワークであるMATAIを紹介する。 MATAIは、キュレートされた合金データベース、ディープニューラルネットワークベースのプロパティ予測器、制約対応最適化エンジン、反復AI-実験フィードバックループを統合する。 このフレームワークは、マルチタスク学習と物理インフォームドインダクティブバイアスを用いて、キーメカニカルパーティ、含み密度、降伏強度、究極的引張強度、伸長を直接構成から推定する。 合金設計は制約付き最適化問題としてフレーム化され、局所探索と記号的制約プログラミングを組み合わせたバイレベルアプローチを用いて解決される。 低密度 (4.45 g/cm3), 高強度 (>1000 MPa), 高延性 (>5%) の候補を, わずか7回で迅速に同定する。 実験的な検証により、MATAIの設計した合金はTC4のような商業的基準よりも優れており、現実世界の設計制約の下で軽量で高性能な材料を発見できる可能性を強調している。

関連論文リスト

• Comparison of derivative-free and gradient-based minimization for multi-objective compositional design of shape memory alloys [0.0]
  我々は, 機械モデルを代理材として使用し, 合金組成の探索に数値的手法を適用した。 本研究では、物理インフォームドデータ、機械学習モデル、最適化アルゴリズムを組み合わせることで、新しいSMAを探索する実践的なアプローチを示す。
  論文  参考訳（メタデータ） (2025-08-19T03:43:35Z)
• AutoMAT: A Hierarchical Framework for Autonomous Alloy Discovery [25.866718912999893]
  AutoMATは階層的で自律的なフレームワークであり、実験によって基礎付けられ、検証されている。 大型言語モデル、CALPHADベースの自動シミュレーション、AI駆動検索を統合し、合金設計を加速する。 大規模なデータセットを手作業でキュレートすることなく、高い効率、精度、解釈性を実現する。
  論文  参考訳（メタデータ） (2025-07-21T18:55:03Z)
• AIMatDesign: Knowledge-Augmented Reinforcement Learning for Inverse Materials Design under Data Scarcity [5.660883851948541]
  AIMatDesignは、逆設計手法のための強化学習フレームワークである。 信頼されたエクスペリエンスプールを構築し、モデルの収束を加速します。 発見効率、収束速度、成功率において、従来の機械学習および強化学習手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2025-06-17T08:17:44Z)
• Information fusion strategy integrating pre-trained language model and contrastive learning for materials knowledge mining [0.4128284355136163]
  機械学習は材料設計に革命をもたらしたが、合金の延性のような複雑な特性を予測することは依然として難しい。 本稿では,これらの制約を克服するために,材料科学文献のドメイン固有テキストと量的物理記述子を統合する,革新的な情報融合アーキテクチャを提案する。 本フレームワークでは,テキスト理解の高度化にMatSciBERTを使用し,処理パラメータや微細構造特性に関する暗黙的な知識を自動的に抽出するコントラスト学習を取り入れている。
  論文  参考訳（メタデータ） (2025-06-14T14:09:00Z)
• Yi-Lightning Technical Report [65.64771297971843]
  Yi-Lightningは私たちの最新のフラッグシップ大型言語モデル(LLM)です。 成績は最高で、アリーナでは6位にランクインした。 従来の静的なベンチマーク結果と実世界の動的人間の嗜好との顕著な相違を観察する。
  論文  参考訳（メタデータ） (2024-12-02T08:22:56Z)
• AlloyBERT: Alloy Property Prediction with Large Language Models [5.812284760539713]
  本研究は, テキスト入力による合金特性の予測を目的とした変圧器エンコーダモデル, AlloyBERTを紹介する。 テキストデータに基づいてトレーニングされたトークン化器とRoBERTaエンコーダを組み合わさることで,Multi principal Elemental Alloys (MPEA)データセットにおける平均2乗誤差(MSE)が0.00015,Refractory Alloy Yield Strength (RAYS)データセットで0.00611に達した。 本研究は,材料科学における言語モデルの可能性を強調し,合金特性のテキストベース予測のための基礎的枠組みを構築した。
  論文  参考訳（メタデータ） (2024-03-28T19:09:46Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)

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。