論文の概要: Multimodal Crystal Flow: Any-to-Any Modality Generation for Unified Crystal Modeling

• arxiv url: http://arxiv.org/abs/2602.20210v1
• Date: Mon, 23 Feb 2026 03:59:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.47023
• Title: Multimodal Crystal Flow: Any-to-Any Modality Generation for Unified Crystal Modeling
• Title（参考訳）: マルチモーダル・クリスタル・フロー:統一結晶モデリングのための任意のモーダリティ・ジェネレーション
• Authors: Kiyoung Seong, Sungsoo Ahn, Sehui Han, Changyoung Park,
• Abstract要約: 結晶モデリングは、異なるモードにわたる条件付きおよび非条件付き生成タスクのファミリーにまたがる。 最近の深層生成モデルは、主にタスク固有であり、異なる生成タスク間で結晶表現を共有する統一されたフレームワークが欠如している。 我々は,複数の結晶生成タスクを異なる推論軌道として実現する統一多モードフローモデルであるemphMultimodal Crystal Flow (MCFlow)を提案する。
• 参考スコア（独自算出の注目度）: 26.234111750930037
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Crystal modeling spans a family of conditional and unconditional generation tasks across different modalities, including crystal structure prediction (CSP) and \emph{de novo} generation (DNG). While recent deep generative models have shown promising performance, they remain largely task-specific, lacking a unified framework that shares crystal representations across different generation tasks. To address this limitation, we propose \emph{Multimodal Crystal Flow (MCFlow)}, a unified multimodal flow model that realizes multiple crystal generation tasks as distinct inference trajectories via independent time variables for atom types and crystal structures. To enable multimodal flow in a standard transformer model, we introduce a composition- and symmetry-aware atom ordering with hierarchical permutation augmentation, injecting strong compositional and crystallographic priors without explicit structural templates. Experiments on the MP-20 and MPTS-52 benchmarks show that MCFlow achieves competitive performance against task-specific baselines across multiple crystal generation tasks.
• Abstract（参考訳）: 結晶モデリングは、結晶構造予測 (CSP) や \emph{de novo} 生成 (DNG) を含む様々なモードで条件付きおよび非条件生成タスクのファミリーにまたがる。 最近の深層生成モデルは有望な性能を示しているが、それらは主にタスク固有であり、異なる生成タスク間で結晶表現を共有する統一されたフレームワークが欠如している。 この制限に対処するため,複数の結晶生成タスクを,原子タイプと結晶構造に対する独立時間変数による異なる推論軌跡として実現する統一多モードフローモデルである 'emph{Multimodal Crystal Flow (MCFlow)} を提案する。 標準変圧器モデルにおけるマルチモーダルフローを実現するために, 構造的テンプレートを伴わずに, 強組成, 結晶的先行を注入し, 階層的な置換を付加した合成および対称性を考慮した原子配列を導入する。 MP-20とMPTS-52ベンチマークの実験では、MCFlowは複数の結晶生成タスクでタスク固有のベースラインと競合する性能を達成している。

関連論文リスト

• NExT-OMNI: Towards Any-to-Any Omnimodal Foundation Models with Discrete Flow Matching [64.10695425442164]
  NExT-OMNI(英語版)は、離散フローパラダイムによる統一モデリングを実現するオープンソース・オムニモーダル・ファンデーション・モデルである。 NExT-OMNIは、大規模なインターリーブ付きテキスト、画像、ビデオ、オーディオデータに基づいて訓練され、マルチモーダル生成および理解ベンチマーク上で競合するパフォーマンスを提供する。 さらなる研究を進めるために、トレーニングの詳細、データプロトコル、およびコードとモデルチェックポイントの両方をオープンソース化する。
  論文  参考訳（メタデータ） (2025-10-15T16:25:18Z)
• 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)
• CrystalDiT: A Diffusion Transformer for Crystal Generation [52.45780803467369]
  本稿では,結晶構造生成のための拡散変圧器であるCrystalDiTについて述べる。 CrystalDiTは、格子と原子特性を単一の相互依存系として扱う、強力な誘導バイアスを課す統一トランスフォーマーを使用している。
  論文  参考訳（メタデータ） (2025-08-13T12:53:32Z)
• A Generation Framework with Strict Constraints for Crystal Materials Design [8.736399863675524]
  本稿では,複数の制約を入力として受け取り,特定の化学特性を持つ結晶構造の生成を可能にする新しい制約生成フレームワークを提案する。 本手法は,既存手法の2倍以上の目標特性を満たす確率で結晶構造を生成する。
  論文  参考訳（メタデータ） (2024-11-13T09:36:50Z)
• 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)
• 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)
• Data-Driven Score-Based Models for Generating Stable Structures with Adaptive Crystal Cells [1.515687944002438]
  本研究は, 化学安定性や化学組成など, 新しい結晶構造を創出することを目的としている。 提案手法の新規性は、結晶細胞の格子が固定されていないという事実にある。 対称性の制約を尊重し、計算上の優位性をもたらす多グラフ結晶表現が導入された。
  論文  参考訳（メタデータ） (2023-10-16T02:53:24Z)
• Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
  本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。 本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。 その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
  論文  参考訳（メタデータ） (2023-10-07T21:36:55Z)
• Crystal Structure Prediction by Joint Equivariant Diffusion [27.52168842448489]
  結晶構造予測(CSP)は様々な科学分野において重要である。 本稿では, 安定結晶から構造分布を学習する新しい拡散モデルであるDiffCSPを提案する。
  論文  参考訳（メタデータ） (2023-07-30T15:46:33Z)

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。