論文の概要: Meta-LegNet: A Transferable and Interpretable Framework for Surface Adsorption Prediction via Self-Defined Adsorption-Environment Learning

• arxiv url: http://arxiv.org/abs/2605.04102v1
• Date: Sun, 03 May 2026 10:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.437968
• Title: Meta-LegNet: A Transferable and Interpretable Framework for Surface Adsorption Prediction via Self-Defined Adsorption-Environment Learning
• Title（参考訳）: Meta-LegNet: 自己決定型吸着環境学習による表面吸着予測のための移動可能・解釈可能なフレームワーク
• Authors: Yifan Li, Arravind Subramanian, Xiaoqing Liu, Qiujie Lyu, Sergey Kozlov, Lei Shen,
• Abstract要約: 本稿では,様々な触媒吸着系にまたがる局所環境の伝達可能な表現を学習するグラフ学習フレームワークMeta-LegNetを紹介する。 以上の結果から, 触媒スクリーニングの精度, 解釈性, 実用性に優れた学習環境が提供されることが示唆された。
• 参考スコア（独自算出の注目度）: 8.150979148487787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A central challenge in computational catalysis is the identification of low-energy and chemically plausible adsorption configurations, as these directly affect adsorption energies, reaction pathways, and catalytic performance. Existing approaches generally rely on enumerating candidate adsorption sites followed by iterative refinement through density functional theory calculations or machine-learning-based relaxations. However, such workflows remain computationally expensive and are difficult to scale to complex surfaces or multi-adsorbate systems. Here, we introduce Meta-LegNet, a graph learning framework that combines SE(3)-equivariant atom-level message passing with voxel-based multiscale aggregation and cross-domain meta-learning to learn transferable representations of local adsorption environments across diverse catalyst--adsorbate systems. Rather than following a conventional regression-only paradigm, Meta-LegNet encodes local chemical environments using invariant radial features and equivariant directional information, and further incorporates broader structural context through coordinate-frame voxel pooling, assignment-based upsampling, and gated feature fusion. The resulting local-global decomposition produces atom-resolved attribution maps, which are processed to identify adsorption-relevant local environments in an interpretable manner. Based on the learned representations, we further construct an adsorption-environment database and develop a template-matching strategy to propose likely adsorption sites on previously unexplored surfaces without exhaustive site enumeration. Overall, our results suggest that learning transferable adsorption environments provides an accurate, interpretable, and practical route for accelerating catalyst screening.
• Abstract（参考訳）: 計算触媒における中心的な課題は、吸着エネルギー、反応経路、触媒性能に直接影響するため、低エネルギーで化学的に安定な吸着配置の同定である。 既存のアプローチは一般に、候補吸着部位の列挙と、密度汎関数理論の計算や機械学習に基づく緩和による反復的洗練に依存している。 しかし、そのようなワークフローは計算コストがかかるままであり、複雑な表面やマルチ吸着システムにスケールすることは困難である。 本稿では,SE(3)-等価な原子レベルのメッセージパッシングとボクセルに基づくマルチスケールアグリゲーションとドメイン間メタラーニングを組み合わせたグラフ学習フレームワークMeta-LegNetを紹介し,種々の触媒吸着系の局所吸着環境の伝達可能な表現を学習する。 従来の回帰のみのパラダイムに従うのではなく、Meta-LegNetは、不変な放射状特徴と同変方向情報を用いて局所的な化学環境を符号化し、座標フレームのボクセルプール、割り当てベースのアップサンプリング、ゲートされた特徴融合によってより広い構造的コンテキストを組み込む。 その結果, 原子分解アトリビューションマップが生成し, 吸着関連局所環境を解釈可能な方法で同定する。 学習した表現に基づいて,吸着環境データベースの構築とテンプレートマッチング手法の開発を行い,未探索表面の吸着箇所を網羅的に列挙せずに提案する。 以上の結果から, 触媒スクリーニングの精度, 解釈性, 実用性に優れた学習環境が提供されることが示唆された。

関連論文リスト

• AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature [55.66036140125613]
  本稿では,化学工学論文から触媒反応データを抽出し,解析する大規模言語モデル (LLM) エージェントであるAgentCATを提案する。 AgentCATは、化学工学分野における長年のデータボトルネックを克服する代替手段として機能する。
  論文  参考訳（メタデータ） (2026-02-10T04:30:11Z)
• EvoEGF-Mol: Evolving Exponential Geodesic Flow for Structure-based Drug Design [5.680996830009093]
  構造に基づく薬物設計における情報幾何学的アプローチを提案する。 EvoEGF-Molは静的ディラックターゲットを動的に集中分散に置き換える。 我々のモデルは、クロスドック上での基準レベル PoseBusters 通過率 (93.4%) にアプローチし、顕著な精度と相互作用の忠実さを示す。
  論文  参考訳（メタデータ） (2026-01-30T02:26:13Z)
• Edge-aware GAT-based protein binding site prediction [3.3941174310007685]
  生体分子間の結合部位のきめ細かい予測のためのエッジ対応グラフ注意ネットワーク(Edge対応GAT)モデルを提案する。 本手法は原子レベルのグラフを構築し,幾何学的記述子を含む多次元構造特徴を統合する。 本モデルでは,タンパク質結合部位予測のためのROC-AUCの0.93を達成し,いくつかの最先端手法より優れている。
  論文  参考訳（メタデータ） (2026-01-05T14:09:57Z)
• QE-Catalytic: A Graph-Language Multimodal Base Model for Relaxed-Energy Prediction in Catalytic Adsorption [44.77883047868218]
  本稿では,大規模言語モデルとE(3)-同変グラフ変換器を結合したマルチモーダルフレームワークQE-Catalyticを提案する。 予測中、QE-Catalyticは3次元構造と構造化された構成テキストを共同で利用し、言語チャネルに「3次元幾何学情報」を注入する。 OC20では、QE-Catalytic は緩和された吸着エネルギーの MAE を 0.713eV から 0.486eV に還元し、ベースラインモデルより一貫して優れる。
  論文  参考訳（メタデータ） (2025-12-23T06:27:30Z)
• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• On the importance of catalyst-adsorbate 3D interactions for relaxed energy predictions [98.70797778496366]
  吸着剤の相対的な位置を無視しながら,OC20データセットの緩和エネルギーを予測できるかどうかを検討する。 結合サイト情報の削除は,期待通りに精度を低下させるが,修正モデルは極めて良好なMAEで緩和エネルギーを予測することができる。
  論文  参考訳（メタデータ） (2023-10-10T14:57:04Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• Atomistic structure search using local surrogate mode [0.0]
  本稿では,グローバルな構造探索手法と組み合わせた局所代理モデルについて述べる。 このモデルはAtomistic Global Optimization Xフレームワークで実装されている。 分子、ナノ粒子、表面支持クラスター、表面薄膜を含む幅広い原子系に対して堅牢であることが示されている。
  論文  参考訳（メタデータ） (2022-08-19T11:40:05Z)
• Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
  多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。 局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-07-01T09:06:25Z)
• Machine learning models predict calculation outcomes with the transferability necessary for computational catalysis [0.4063872661554894]
  仮想高スループットスクリーニング(VHTS)と機械学習(ML)は単一部位遷移金属触媒の設計を大幅に加速させた。 本研究では, 触媒設計において, 形状最適化をリアルタイムで監視する畳み込みニューラルネットワークは, 優れた性能と伝達性を利用することができることを示す。 我々は、この優れたモデル転送可能性について、密度汎関数理論計算から生成されたオンザフライ電子構造と幾何情報を用いて合理化する。
  論文  参考訳（メタデータ） (2022-03-02T18:02:12Z)

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。