論文の概要: From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark

• arxiv url: http://arxiv.org/abs/2602.18551v1
• Date: Fri, 20 Feb 2026 18:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.160576
• Title: From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark
• Title（参考訳）: 静的スペクトルからオペンド赤外ダイナミクスへ:物理インフォームドフローモデリングとベンチマーク
• Authors: Shuquan Ye, Ben Fei, Hongbin Xu, Jiaying Lin, Wanli Ouyang,
• Abstract要約: Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
• 参考スコア（独自算出の注目度）: 67.29937933325849
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Solid Electrolyte Interphase (SEI) is critical to the performance of lithium-ion batteries, yet its analysis via Operando Infrared (IR) spectroscopy remains experimentally complex and expensive, which limits its accessibility for standard research facilities. To overcome this bottleneck, we formulate a novel task, Operando IR Prediction, which aims to forecast the time-resolved evolution of spectral ``fingerprints'' from a single static spectrum. To facilitate this, we introduce OpIRSpec-7K, the first large-scale operando dataset comprising 7,118 high-quality samples across 10 distinct battery systems, alongside OpIRBench, a comprehensive evaluation benchmark with carefully designed protocols. Addressing the limitations of standard spectrum, video, and sequence models in capturing voltage-driven chemical dynamics and complex composition, we propose Aligned Bi-stream Chemical Constraint (ABCC), an end-to-end physics-aware framework. It reformulates MeanFlow and introduces a novel Chemical Flow to explicitly model reaction trajectories, employs a two-stream disentanglement mechanism for solvent-SEI separation, and enforces physics and spectrum constraints such as mass conservation and peak shifts. ABCC significantly outperforms state-of-the-art static, sequential, and generative baselines. ABCC even generalizes to unseen systems and enables interpretable downstream recovery of SEI formation pathways, supporting AI-driven electrochemical discovery.
• Abstract（参考訳）: リチウムイオン電池の性能にはSEI(Solid Electrolyte Interphase)が重要であるが、Operando Infrared(IR)分光法による分析は実験的に複雑で高価であり、標準研究施設へのアクセシビリティを制限している。 このボトルネックを克服するために、単一の静的スペクトルからスペクトル ` `fingerprints'' の時間分解進化を予測するための新しいタスクであるOperando IR Predictionを定式化する。 これを容易にするために,10個の異なるバッテリーシステムにまたがる7,118個の高品質なサンプルからなる,最初の大規模オペランドデータセットであるOpIRSpec-7Kと,慎重に設計されたプロトコルを備えた総合評価ベンチマークであるOpIRBenchを紹介する。 電圧駆動型化学力学と複雑な組成を捉える際の標準スペクトル,ビデオ,シーケンスモデルの限界に対処し,両ストリーム化学制約(ABCC, Aligned Bi-stream Chemical Constraint)を提案する。 メアンフローを再構成し、反応軌道を明示的にモデル化するための新しいケミカルフローを導入し、溶媒-SEI分離のための2ストリームの解離機構を採用し、質量保存やピークシフトのような物理とスペクトルの制約を強制する。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。 ABCCは目に見えないシステムに一般化し、AI駆動の電気化学発見をサポートするSEI形成経路の解釈可能な下流回復を可能にする。

関連論文リスト

• Chemically decisive benchmarks on the path to quantum utility [5.186218508509959]
  分子, 無機, 重元素化学に関連する電子相関の異なる構造を探索するために設計されたベンチマークシステムのキュレートされた階層を導入する。 我々のベンチマークセットは、多重参照結合破壊(N$$)、高スピン遷移金属化学(FeS)、生物学的に関係のある鉄-硫黄クラスター([2Fe-2S])、アクチニドアクチニド結合(U$$$)にまたがる。 具体的実現として、我々は、ジェネレータにインスパイアされた部分空間展開に基づく、最近開発された自動適応量子アルゴリズムをベンチマークした。
  論文  参考訳（メタデータ） (2026-01-15T19:24:51Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• Modeling Membrane Degradation in PEM Electrolyzers with Physics-Informed Neural Networks [45.32169712547367]
  プロトン交換膜 (PEM) 電解器は持続可能な水素製造に重要である。 長期的な性能は膜劣化によって妨げられ、信頼性と安全性の課題を引き起こす。 従来の物理学に基づくモデルが開発され、解釈可能性を提供しているが、測定や校正が難しい多くのパラメータを必要とする。 本研究では,PEM電解器の膜劣化をモデル化するための物理インフォームドニューラルネットワーク(PINN)の最初の応用について述べる。
  論文  参考訳（メタデータ） (2025-06-19T15:46:49Z)
• Coupled reaction and diffusion governing interface evolution in solid-state batteries [4.707991478885645]
  我々は、対称電池セルの量子精度で、大規模で明示的な反応シミュレーションを行う。 我々はSEI生成の実験的観察と,デンドライト開始に重要なLiクリープ機構の解明について説明する。 我々のアプローチは、実験に適合する調整可能なパラメータを使わずに、デジタル双生児を第一原理から切り離すことです。
  論文  参考訳（メタデータ） (2025-06-12T17:49:05Z)
• AutoChemSchematic AI: Agentic Physics-Aware Automation for Chemical Manufacturing Scale-Up [2.5875933818780363]
  現在のAIシステムは、重要なエンジニアリングスキーマを確実に生成することはできない。 産業用PFDとPIDの自動生成のためのクローズドループ物理対応フレームワークを提案する。 本研究では,本フレームワークが高忠実度でシミュレータ検証されたプロセス記述を生成することを示す。
  論文  参考訳（メタデータ） (2025-05-30T13:32:00Z)
• Interpretable Deep Learning for Polar Mechanistic Reaction Prediction [43.95903801494905]
  PMechRP(Polar Mechanistic Reaction Predictor)は,PMechDBデータセット上で機械学習モデルをトレーニングするシステムである。 私たちは、トランスフォーマーベース、グラフベース、および2段階のシアムアーキテクチャを含む、さまざまな機械学習モデルの比較をトレーニングします。 私たちの最高のパフォーマンスのアプローチはハイブリッドモデルで、5アンサンブルのChemformerモデルと2ステップのSiameseフレームワークを組み合わせたものです。
  論文  参考訳（メタデータ） (2025-04-22T02:31:23Z)
• Simulating near-infrared spectroscopy on a quantum computer for enhanced chemical detection [0.0]
  近赤外分光法(英: Near-infrared spectroscopy、NIR)は、化学濃度を測定するための非侵襲的、低コスト、試薬無し、迅速技術である。 量子コンピュータ上でのNIRスペクトルのシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2025-04-14T18:02:48Z)
• Improving Molecular Representation Learning with Metric Learning-enhanced Optimal Transport [49.237577649802034]
  分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。 MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
  論文  参考訳（メタデータ） (2022-02-13T04:56:18Z)

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。