論文の概要: Machine intelligence supports the full chain of 2D dendrite synthesis

• arxiv url: http://arxiv.org/abs/2603.16959v1
• Date: Tue, 17 Mar 2026 04:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.301765
• Title: Machine intelligence supports the full chain of 2D dendrite synthesis
• Title（参考訳）: マシンインテリジェンスは2Dデンドライト合成の全連鎖をサポートする
• Authors: Wenqiang Huang, Susu Fang, Xuhang Gu, Shen'ao Xue, Huanhuan Xing, Junjie Jiang, Junying Zhang, Shen Zhou, Zheng Luo, Jin Zhang, Fangping Ouyang, Shanshan Wang,
• Abstract要約: 我々は、物質合成の完全なチェーンサポートのための、マシンインテリジェンスを活用したフレームワークを考案する。 能動学習は実験ワークフローに統合され、高ブランチで電気触媒活性のReSe2デンドライトの成長のための最適なレシピが特定される。 予測精度誘導型データ拡張戦略をツリーベース機械学習(ML)アルゴリズムと組み合わせて開発する。
• 参考スコア（独自算出の注目度）: 13.361093430143812
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exemplified by the chemical vapor deposition growth of two-dimensional dendrites, which has potential applications in catalysis and presents a parameter-intensive, data-scarce and reaction process-complex model problem, we devise a machine intelligence-empowered framework for the full chain support of material synthesis, encompassing rapid process optimization, accurate customized synthesis, and comprehensive mechanism deciphering.First, active learning is integrated into the experimental workflow, identifying an optimal recipe for the growth of highly-branched, electrocatalytically-active ReSe2 dendrites through 60 experiments (4 iterations), which account for less than 1.3% of the numerous possible parameter combinations.Then, a prediction accuracy-guided data augmentation strategy is developed combined with a tree-based machine learning (ML) algorithm, unveiling a non-linear correlation between 5 process variables and fractal dimension (DF) of ReSe2 dendrites with only 9 experiment additions, which guides the synthesis of various user-defined DF. Finally, we construct a data-knowledge dual-driven mechanism model by integration of cross-scale characterizations, interpretable ML models, and domain knowledge in thermodynamics and kinetics, unraveling synergistic contributions of multiple process parameters to the product morphology. This work demonstrates the ML potential to transform the research paradigm and is adaptable to broader material synthesis.
• Abstract（参考訳）: 触媒作用に潜在する2次元デンドライトの化学気相成長を例として, 物質合成の完全チェーンサポート, 迅速なプロセス最適化, 精密なカスタマイズ, 包括的機構を包含するマシンインテリジェンスを活用したフレームワークを考案した。まず, 高分岐・電気触媒活性ReSe2デンドライトの成長のための最適なレシピを同定し, 多数のパラメータの組み合わせの1.3%以下である60回 (4回) 実験において, 予測誘導データ拡張戦略を, 機械学習アルゴリズム(MLアルゴリズム)と非線形相関式(5回)の機械学習アルゴリズムと組み合わせた。 最後に, クロススケールな特徴量, 解釈可能なMLモデル, 熱力学および運動学における領域知識を統合し, 製品形態への複数のプロセスパラメータの相乗的寄与を明らかにすることによって, データ知識二重駆動機構モデルを構築した。 この研究は、研究パラダイムを変革するMLの可能性を示し、より広範な物質合成に適応できる。

関連論文リスト

• A Scientific Reasoning Model for Organic Synthesis Procedure Generation [12.609346156252393]
  本稿では、精密な構造化実験手順を生成できる科学的推論言語モデルQFANGを提案する。 本稿では,大規模に化学知識を基盤としたチェーン・オブ・シントデータを生成する,化学誘導推論(CGR)フレームワークを提案する。 RLVR(Reinforcement Learning from Verifiable Rewards)を応用して、手続き精度をさらに向上する。
  論文  参考訳（メタデータ） (2025-12-15T18:55:39Z)
• Data-Driven Dimensional Synthesis of Diverse Planar Four-bar Function Generation Mechanisms via Direct Parameterization [2.499517394718329]
  本稿では,教師付き学習を活用することによって,従来の方程式解法や最適化を回避したデータ駆動型フレームワークを提案する。 提案手法は, 合成データセット, LSTMに基づく逐次精度点処理ニューラルネットワーク, および異なるリンクタイプに適したMixture of Expertsアーキテクチャを組み合わせる。 実験により,本手法は様々な構成にまたがって,正確な欠陥のないリンクを生成することを示した。
  論文  参考訳（メタデータ） (2025-07-11T02:32:29Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Scaling Laws of Synthetic Data for Language Models [125.41600201811417]
  プレトレーニングコーパスを多種多様な高品質な合成データセットに変換するスケーラブルなフレームワークであるSynthLLMを紹介した。 提案手法は,グラフアルゴリズムを用いて複数の文書にまたがるハイレベルな概念を自動的に抽出し,再結合することで実現している。
  論文  参考訳（メタデータ） (2025-03-25T11:07:12Z)
• Toward Development of Machine Learned Techniques for Production of Compact Kinetic Models [0.0]
  化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。 本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
  論文  参考訳（メタデータ） (2022-02-16T12:31:24Z)
• Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
  分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。 毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2021-11-30T06:10:22Z)
• Permutation invariant graph-to-sequence model for template-free retrosynthesis and reaction prediction [2.5655440962401617]
  本稿では,テキスト生成のためのトランスフォーマーモデルのパワーと,分子グラフエンコーダの置換不変性を組み合わせた新しいGraph2SMILESモデルについて述べる。 エンドツーエンドアーキテクチャとして、Graph2SMILESは、分子から分子への変換を含むあらゆるタスクにおいて、Transformerのドロップイン置換として使用できる。
  論文  参考訳（メタデータ） (2021-10-19T01:23:15Z)
• Predictive Synthesis of Quantum Materials by Probabilistic Reinforcement Learning [1.4680035572775534]
  本研究では, 半超電導単層MoS$_2$の量子材料に対する最適合成スケジュールの予測に強化学習を用いる。 このモデルは、多相ヘテロ構造を含む複雑な構造の合成のためのプロファイルを予測するために拡張することができる。
  論文  参考訳（メタデータ） (2020-09-14T20:50:45Z)

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。