論文の概要: Materium: An Autoregressive Approach for Material Generation

• arxiv url: http://arxiv.org/abs/2512.07486v1
• Date: Mon, 08 Dec 2025 12:14:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.877458
• Title: Materium: An Autoregressive Approach for Material Generation
• Title（参考訳）: Materium: 材料生成における自己回帰的アプローチ
• Authors: Niklas Dobberstein, Jan Hamaekers,
• Abstract要約: マテリウム(Materium)は、結晶構造を生成するための自己回帰変換器である。 原子を正確な分数座標に配置し、高速でスケーラブルな生成を可能にする。 モデルは1つのGPUで数時間でトレーニングできる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Materium: an autoregressive transformer for generating crystal structures that converts 3D material representations into token sequences. These sequences include elements with oxidation states, fractional coordinates and lattice parameters. Unlike diffusion approaches, which refine atomic positions iteratively through many denoising steps, Materium places atoms at precise fractional coordinates, enabling fast, scalable generation. With this design, the model can be trained in a few hours on a single GPU and generate samples much faster on GPUs and CPUs than diffusion-based approaches. The model was trained and evaluated using multiple properties as conditions, including fundamental properties, such as density and space group, as well as more practical targets, such as band gap and magnetic density. In both single and combined conditions, the model performs consistently well, producing candidates that align with the requested inputs.
• Abstract（参考訳）: 本稿では、3次元材料表現をトークン配列に変換する結晶構造を生成する自動回帰変換器Materiumを提案する。 これらの配列は酸化状態、分数座標、格子パラメータを持つ要素を含む。 多くの段階で原子の位置を反復的に洗練する拡散法とは異なり、マテリウムは原子を正確な分数座標に配置し、高速でスケーラブルな生成を可能にする。 この設計では、モデルを1つのGPU上で数時間でトレーニングし、拡散ベースのアプローチよりもGPUやCPU上でサンプルを生成することができる。 このモデルは、密度や空間群といった基本的な性質や、バンドギャップや磁気密度といったより実用的な目標を含む条件として、複数の特性を用いて訓練され、評価された。 単一条件と結合条件の両方において、モデルは一貫して良好に動作し、要求された入力と整合する候補を生成する。

関連論文リスト

• CryoSplat: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [48.45613121595709]
  低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。 単一粒子Cryo-EMにおける中心的な計算課題は、未知の方向で取得されたノイズの多い2Dプロジェクションから分子の3次元静電ポテンシャルを再構築することである。 本稿では,GMMをベースとしたCryoSplatを提案し,Gaussian splattingとCryo-EM画像形成の物理を統合する。
  論文  参考訳（メタデータ） (2025-08-06T23:24:43Z)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)
• Towards Symmetry-Aware Generation of Periodic Materials [64.21777911715267]
  本稿では,周期構造体の物理対称性を捉える新しい物質生成手法であるSyMatを提案する。 SyMatは、変分オートエンコーダモデルを用いて、原子タイプセット、格子長、格子角を生成することによって、材料の原子タイプと格子を生成する。 我々は,SyMatが材料上のすべての対称性変換に理論的に不変であることを示し,SyMatがランダム生成および特性最適化タスクにおいて有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-07-06T01:05:34Z)
• A Score-based Geometric Model for Molecular Dynamics Simulations [33.158796937777886]
  分子配座のログ密度の勾配を推定する新しいモデルScoreMDを提案する。 複数のアーキテクチャの改善により、MD17とC7O2H10の異性体において最先端のベースラインよりも優れています。 この研究は、新しい物質の加速と薬物発見に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2022-04-19T05:13:46Z)
• Crystal Diffusion Variational Autoencoder for Periodic Material Generation [29.558155407825115]
  本稿では, 物質安定性の誘導バイアスを捉える結晶拡散変分オートコーダ(CDVAE)を提案する。 安定物質のデータ分布から学習することにより、デコーダは拡散過程に物質を生成し、原子座標を低いエネルギー状態へ移動させる。 1)入力構造を再構築し,2)有効で多様な,現実的な材料を生成し,3)特定の特性を最適化する材料を生成する。
  論文  参考訳（メタデータ） (2021-10-12T17:49:49Z)
• Optimal radial basis for density-based atomic representations [58.720142291102135]
  データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。 トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。 この構成が精度と計算効率のよい表現をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-05-18T17:57:08Z)
• Data-driven learning of nonlocal models: from high-fidelity simulations to constitutive laws [3.1196544696082613]
  機械学習により, 1次元複合材料の応力波シミュレーションの精度が向上することを示す。 応力波伝播モデルの非局所法則を学習するためのデータ駆動技術を提案する。
  論文  参考訳（メタデータ） (2020-12-08T01:46:26Z)

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。