論文の概要: Finetuning-Free Diffusion Model with Adaptive Constraint Guidance for Inorganic Crystal Structure Generation

• arxiv url: http://arxiv.org/abs/2604.13354v1
• Date: Tue, 14 Apr 2026 23:25:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.329038
• Title: Finetuning-Free Diffusion Model with Adaptive Constraint Guidance for Inorganic Crystal Structure Generation
• Title（参考訳）: 適応的制約誘導を用いた無機結晶構造生成のための微調整自由拡散モデル
• Authors: Auguste de Lambilly, Vladimir Baturin, David Portehault, Guillaume Lambard, Nataliya Sokolovska, Florence d'Alché-Buc, Jean-Claude Crivello,
• Abstract要約: 本稿では,適応的制約ガイダンスを用いた拡散モデルに基づく生成機械学習フレームワークを提案する。 本手法は, 無機化合物の古典的な例について検討し, 検証した。
• 参考スコア（独自算出の注目度）: 7.4621033210394545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The discovery of inorganic crystal structures with targeted properties is a significant challenge in materials science. Generative models, especially state-of-the-art diffusion models, offer the promise of modeling complex data distributions and proposing novel, realistic samples. However, current generative AI models still struggle to produce diverse, original, and reliable structures of experimentally achievable materials suitable for high-stakes applications. In this work, we propose a generative machine learning framework based on diffusion models with adaptive constraint guidance, which enables the incorporation of user-defined physical and chemical constraints during the generation process. This approach is designed to be practical and interpretable for human experts, allowing transparent decision-making and expert-driven exploration. To ensure the robustness and validity of the generated candidates, we introduce a multi-step validation pipeline that combines graph neural network estimators trained to achieve DFT-level accuracy and convex hull analysis for assessing thermodynamic stability. Our approach has been tested and validated on several classical examples of inorganic families of compounds, as case studies. As a consequence, these preliminary results demonstrate our framework's ability to generate thermodynamically plausible crystal structures that satisfy targeted geometric constraints across diverse inorganic chemical systems.
• Abstract（参考訳）: 標的となる性質を持つ無機結晶構造の発見は、材料科学における重要な課題である。 生成モデル、特に最先端拡散モデルは、複雑なデータ分布をモデル化し、新しい現実的なサンプルを提案することを約束する。 しかし、現在の生成型AIモデルは、ハイテイクな用途に適した実験可能な素材の多様で独創的で信頼性の高い構造を作り出すのに苦慮している。 本研究では,適応的制約ガイダンスを用いた拡散モデルに基づく生成機械学習フレームワークを提案する。 このアプローチは、人間の専門家にとって実用的で解釈可能なように設計されており、透明な意思決定と専門家主導の探索を可能にする。 DFTレベルの精度を達成するために訓練されたグラフニューラルネットワーク推定器と熱力学的安定性を評価する凸船体解析を組み合わせた多段階検証パイプラインを導入する。 本研究は, 無機化合物の古典的な例を事例として, 提案手法を検証・検証した。 その結果, この予備的な結果は, 種々の無機化学系を対象とする幾何的制約を満たす熱力学的に可塑性な結晶構造を生成できることを示すものである。

関連論文リスト

• Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
  本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。 提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
  論文  参考訳（メタデータ） (2025-12-20T04:46:25Z)
• Foundation Models for Discovery and Exploration in Chemical Space [57.97784111110166]
  MISTは、大規模なラベルなしデータセットに基づいて訓練された分子基盤モデルのファミリーである。 我々は、これらのモデルが化学空間をまたいだ現実世界の問題を解決する能力を実証する。
  論文  参考訳（メタデータ） (2025-10-20T17:56:01Z)
• UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
  自然系における関数の統一生成モデルUniGenXを提案する。 UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。 ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-09T16:43:07Z)
• Training-Free Constrained Generation With Stable Diffusion Models [41.391765899175276]
  安定拡散モデルは、様々な領域にまたがるデータ合成における最先端のモデルである。 既存のテクニックは、遅延拡散フレームワークの適用性に制限されるか、ドメイン固有の制約を厳格に強制する能力に欠ける。 本稿では, 安定拡散モデルと制約付き最適化フレームワークとの新たな統合を提案し, 厳密な物理的および機能的要求を満たす出力の生成を可能にする。
  論文  参考訳（メタデータ） (2025-02-08T16:11:17Z)
• Accounting for plasticity: An extension of inelastic Constitutive Artificial Neural Networks [0.0]
  我々は,非弾性人工ニューラルネットワーク(iCANN)の既存の枠組みを,可塑性を取り入れて拡張し,より複雑な物質挙動をモデル化する適用性を高める。 我々のフレームワークは、線形および非線形キネマティック硬化挙動の両方をキャプチャする。
  論文  参考訳（メタデータ） (2024-07-27T19:19:42Z)
• Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
  本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。 提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
  論文  参考訳（メタデータ） (2024-02-05T22:18:16Z)
• 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)
• 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)

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。