論文の概要: MXtalTools: A Toolkit for Machine Learning on Molecular Crystals
- arxiv url: http://arxiv.org/abs/2511.20327v1
- Date: Tue, 25 Nov 2025 13:58:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.494151
- Title: MXtalTools: A Toolkit for Machine Learning on Molecular Crystals
- Title（参考訳）: MXtalTools: 分子結晶上での機械学習のためのツールキット
- Authors: Michael Kilgour, Mark E. Tuckerman, Jutta Rogal,
- Abstract要約: MXtalToolsは、分子結晶のデータ駆動モデリングのためのPythonパッケージである。
これにより、分子の固体状態の機械学習研究が可能になる。
- 参考スコア（独自算出の注目度）: 0.22234291336551357
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present MXtalTools, a flexible Python package for the data-driven modelling of molecular crystals, facilitating machine learning studies of the molecular solid state. MXtalTools comprises several classes of utilities: (1) synthesis, collation, and curation of molecule and crystal datasets, (2) integrated workflows for model training and inference, (3) crystal parameterization and representation, (4) crystal structure sampling and optimization, (5) end-to-end differentiable crystal sampling, construction and analysis. Our modular functions can be integrated into existing workflows or combined and used to build novel modelling pipelines. MXtalTools leverages CUDA acceleration to enable high-throughput crystal modelling. The Python code is available open-source on our GitHub page, with detailed documentation on ReadTheDocs.
- Abstract（参考訳）: 分子結晶のデータ駆動モデリングのためのフレキシブルPythonパッケージMXtalToolsについて述べる。
MXtalTools は,(1) 分子および結晶データセットの合成,コレーション,キュレーション,(2) モデルトレーニングと推論のための統合ワークフロー,(3) 結晶のパラメータ化と表現,(4) 結晶構造のサンプリングと最適化,(5) エンド・ツー・エンドの微分可能な結晶サンプリング,構築と解析の2つのユーティリティから構成される。
モジュラ関数を既存のワークフローに統合したり、あるいは組み合わせて、新しいモデリングパイプラインを構築することができます。
MXtalToolsはCUDAアクセラレーションを利用して高スループット結晶モデリングを可能にする。
PythonコードはGitHubのページで公開されており、ReadTheDocsに関する詳細なドキュメントがある。
関連論文リスト
- Training Text-to-Molecule Models with Context-Aware Tokenization [48.35188892892129]
我々は、文脈認識分子T5(CAMT5)という新しいテキスト・分子モデルを提案する。
分子構造を理解する上でのサブストラクチャーレベルのコンテキストの重要性に着想を得て,テキストから分子モデルへのサブストラクチャーレベルのトークン化を導入する。
我々は、重要なサブ構造を優先し、CAMT5が分子意味をよりよく捉えられるように、重要度に基づくトレーニング戦略を開発する。
論文 参考訳（メタデータ） (2025-08-30T07:59:02Z) - CrystalICL: Enabling In-Context Learning for Crystal Generation [12.641999605656409]
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。
論文 参考訳（メタデータ） (2025-08-27T07:49:27Z) - 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) - XxaCT-NN: Structure Agnostic Multimodal Learning for Materials Science [0.27185251060695437]
元素組成とX線回折(XRD)から直接学習するスケーラブルなフレームワークを提案する。
アーキテクチャは、モダリティ固有のエンコーダとクロスアテンション融合モジュールを統合し、500万サンプルのアレクサンドリアデータセットでトレーニングする。
本研究は, 材料科学の基礎モデルとして, 無構造, 実験的な基礎モデルへの道のりを定めている。
論文 参考訳（メタデータ） (2025-06-27T21:45:56Z) - Contrastive Learning of English Language and Crystal Graphs for Multimodal Representation of Materials Knowledge [0.15978270011184253]
新たに合成した126kの結晶構造-テキストペアのデータセット上に事前学習したコントラスト言語-結晶モデル(CLaC)を導入する。
CLaCは結晶構造の理解において最先端のゼロショット一般化性能を達成する。
論文 参考訳（メタデータ） (2025-02-23T05:39:46Z) - Generative Hierarchical Materials Search [91.93125016916463]
結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。
GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。
GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
論文 参考訳（メタデータ） (2024-09-10T17:51:28Z) - 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) - Geometric Deep Learning for Molecular Crystal Structure Prediction [0.0]
我々は,分子構造ランキングと結晶特性予測を高速化する新しい機械学習戦略を開発し,検証する。
私たちの密度予測モデルであるMollXtalNet-Dは、大規模で多様なテストデータセット上で2%未満の絶対誤差で、アートパフォーマンスの状態を達成します。
我々の結晶ランキングツールであるMollXtalNet-Sは、合成された偽物から実験サンプルを正しく識別する。
論文 参考訳（メタデータ） (2023-03-17T17:27:47Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Ensemble Distillation for Robust Model Fusion in Federated Learning [72.61259487233214]
Federated Learning(FL)は、多くのデバイスが機械学習モデルを協調的にトレーニングする機械学習環境である。
現在のトレーニングスキームのほとんどでは、サーバモデルのパラメータと更新されたパラメータをクライアント側から平均化することで、中央モデルを洗練します。
本研究では,モデル融合のためのアンサンブル蒸留法を提案する。
論文 参考訳（メタデータ） (2020-06-12T14:49:47Z)
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。