論文の概要: VibroML: an automated toolkit for high-throughput vibrational analysis and dynamic instability remediation of crystalline materials using machine-learned potentials
- arxiv url: http://arxiv.org/abs/2604.27685v1
- Date: Thu, 30 Apr 2026 10:20:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.040457
- Title: VibroML: an automated toolkit for high-throughput vibrational analysis and dynamic instability remediation of crystalline materials using machine-learned potentials
- Title（参考訳）: VibroML: 機械学習電位を用いた結晶材料の高スループット振動解析と動的不安定修復のための自動ツールキット
- Abstract要約: 我々は、機械学習による原子間ポテンシャルによって駆動されるオープンソースのPythonツールキットであるVibroMLを紹介した。
VibroMLは、従来のソフトモードをはるかに上回るエネルギー誘導型遺伝的アルゴリズムを採用している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While machine-learned interatomic potentials (MLIPs) accelerate phonon dispersion calculations, merely identifying dynamical instabilities in computationally predicted materials is insufficient; automated pathways to resolve them are required. We introduce VibroML, an open-source Python toolkit driven by foundational MLIPs that shifts the paradigm from stability verification to automated structural remediation. VibroML employs an energy-guided genetic algorithm that vastly outperforms traditional soft-mode following, efficiently navigating the potential energy surface to uncover diverse, dynamically stable polymorphs. As 0 K harmonic stability does not guarantee macroscopic viability, an automated molecular dynamics workflow evaluates finite-temperature structural retention. VibroML also couples with ProtoCSP, our combinatorial structure prediction engine, to stabilize frustrated crystal topologies via targeted alloying, successfully rescuing functional perovskite networks like Cs$_2$KInI$_6$ and KTaSe$_3$. Demonstrating broader applicability, we mined the Alexandria database -- where ~50% of quaternary and 99.5% of quinary elemental combinations lack any structural entries -- to identify thousands of abandoned, high-symmetry stoichiometries. Deploying ProtoCSP's "cold start" retrieval and VibroML's evolutionary search on a sample, we successfully identified dynamically stable low-symmetry candidates. Through integrated structural remediation, thermal validation, and systematic compositional exploration, VibroML enables a comprehensive deep-screening approach, yielding physically sound structural propositions that far surpass standard high-throughput workflows.
- Abstract（参考訳）: 機械学習型原子間ポテンシャル(MLIP)はフォノン分散計算を加速するが、単に計算によって予測される材料の動的不安定性を特定するだけでは不十分であり、それらを解決するための自動経路が必要である。
基本MLIPによって駆動されるオープンソースのPythonツールキットであるVibroMLを紹介した。
VibroMLは、従来のソフトモードよりもはるかに優れたエネルギー誘導型遺伝的アルゴリズムを用いて、ポテンシャルエネルギー表面を効率的にナビゲートし、多様な動的に安定なポリモルフィックを探索する。
0Kの高調波安定性はマクロ的な生存性を保証しないため、自動分子動力学ワークフローは有限温度構造保持を評価する。
VibroMLはまた、我々の組合せ構造予測エンジンであるProtoCSPと結合して、ターゲットアロイングによるフラストレーションのある結晶トポロジーを安定化し、Cs$2$KInI$_6$やKTaSe$_3$のような機能的なペロブスカイトネットワークを救い出すことに成功した。
より広範な応用性を示すために、アレクサンドリア・データベース (Alexandria database) - 四次元素の組み合わせの50%と99.5%は構造的なエントリを欠いている -- を採掘し、何千もの放棄された高対称性の立方体を同定した。
ProtoCSPの"コールドスタート"検索とVibroMLの進化的検索をサンプルに配置し,動的に安定な低対称性候補を同定した。
統合された構造修復、熱的検証、体系的な構成探索を通じて、VibroMLは、標準的な高スループットワークフローをはるかに超越した物理的に健全な構造命題をもたらす、包括的な深層スクリーニングアプローチを可能にした。
関連論文リスト
- SpaCellAgent: A Self-Evolving LLM-Based Multi-Agent Framework for Trajectory Analysis [40.95932731774983]
SpaCellAgentは、トランスクリプトミクス分析のためのエンドツーエンドパラダイムを自動化する自動言語モデルである。
SpaCellAgentは、専門家によるパフォーマンスを維持しながら、分析効率を40%以上改善している。
論文 参考訳（メタデータ） (2026-07-08T14:31:46Z) - Hybrid Neural Ordinary Differential Equations for Data-Efficient Polymerization Modeling with Incomplete Kinetics [42.58292307702424]
自由ラジカル重合のデータ効率モデリングのためのハイブリッドニューラル正規微分方程式フレームワークを提案する。
ハイブリッドNODEは、離散時間フィードフォワードニューラルネットワークと、スパースデータ条件下で純粋にデータ駆動のNODEに対して評価される。
ノイズの多いデータと目に見えない操作条件の一般化シナリオでは、ハイブリッドNODEはデータ駆動NODEの0.31と離散時間モデルでの0.68に対して、RMSEの0.013を達成している。
論文 参考訳（メタデータ） (2026-06-01T12:10:48Z) - SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
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。
論文 参考訳（メタデータ） (2026-02-20T18:58:43Z) - From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures [12.68400434984463]
MLIPは量子ポテンシャルエネルギー表面の物理的滑らかさを再現することができない。
マイクロカノニカル分子動力学のような既存の評価は計算に高価であり、主に近平衡状態を研究する。
MLIPの評価基準を改善するためにBSCT(Band Smoothness Characterization Test)を導入する。
論文 参考訳（メタデータ） (2026-02-04T18:50:10Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Reframing Generative Models for Physical Systems using Stochastic Interpolants [45.16806809746592]
生成モデルは物理系の強力なサロゲートとして現れ、精度、安定性、および/または統計的忠実度が向上した。
ほとんどのアプローチは、PDEや気候などの力学系における自己回帰予測タスクにおいて、最も効果的でない選択であるガウシアンを反復的に飾ることに依存している。
本研究では,様々な物理領域やタスクにまたがる生成モデルをベンチマークし,補間剤の役割を強調した。
論文 参考訳（メタデータ） (2025-09-30T14:02:00Z) - Automated Machine Learning Pipeline for Training and Analysis Using Large Language Models [0.0]
データセット生成からモデル検証まで、ワークフロー全体を統一する自動機械学習パイプライン(AMLP)を導入します。
AMLPは、電子構造コードの選択、入力準備、出力変換を支援するために、大きな言語モデルエージェントを使用する。
アクリジンのポリモルフィックで検証され、基礎モデルの素直な微調整により、エネルギーの1.7 meV/原子と力の7.0 meV/AAの絶対誤差が達成される。
論文 参考訳（メタデータ） (2025-09-25T22:05:20Z) - TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。
これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - From Peptides to Nanostructures: A Euclidean Transformer for Fast and
Stable Machine Learned Force Fields [5.013279299982324]
本稿では,疎等式表現と自己注意機構を組み合わせたSO3kratesというトランスフォーマーアーキテクチャを提案する。
SO3kratesは精度、安定性、速度の独特な組み合わせを実現し、拡張時間とシステムサイズスケールでの物質の量子特性の洞察に富んだ分析を可能にする。
論文 参考訳（メタデータ） (2023-09-21T09:22:05Z) - Using Machine Learning and Data Mining to Leverage Community Knowledge
for the Engineering of Stable Metal-Organic Frameworks [0.9187159782788578]
MOFは、ガス分離から安定性まで、エンジニアリング上の課題を約束している。
限界を克服するために、我々はMOFの安定性の重要な側面について数千のレポートを抽出した。
自然言語処理と自動画像解析を用いて,2,000以上の溶媒除去測定値と3,000以上の熱温度を得る。
論文 参考訳（メタデータ） (2021-06-24T21:35:26Z) - Automated discovery of a robust interatomic potential for aluminum [4.6028828826414925]
機械学習(ML)ベースのポテンシャルは、量子力学(QM)計算の忠実なエミュレーションを、計算コストを大幅に削減することを目的としている。
アクティブラーニング(AL)の原理を用いたデータセット構築のための高度に自動化されたアプローチを提案する。
アルミニウム(ANI-Al)のMLポテンシャル構築によるこのアプローチの実証
転写性を示すために、1.3M原子衝撃シミュレーションを行い、非平衡力学から採取した局所原子環境上でのDFT計算とANI-Al予測がよく一致することを示す。
論文 参考訳（メタデータ） (2020-03-10T19:06:32Z)
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。