論文の概要: Real-time Multi-instrument Autonomous Discovery of Novel Phase-change Memory Materials

• arxiv url: http://arxiv.org/abs/2605.18033v1
• Date: Mon, 18 May 2026 08:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.12094
• Title: Real-time Multi-instrument Autonomous Discovery of Novel Phase-change Memory Materials
• Title（参考訳）: 新しい位相変化記憶材料のリアルタイム多施設自律発見
• Authors: Chih-Yu Lee, Haotong Liang, Ryan Kim, Austin McDannald, Carlos A Rios Ocampo, A. Gilad Kusne, Ichiro Takeuchi,
• Abstract要約: 多施設自律探索(MAD)フレームワークは、構造的特性マッピングと機能的特性最適化をクローズドループ方式で同時に組み合わせる。 相変化メモリ(PCM)材料にMADを適用し,特に未探索のPCM材料であるMn-Sb-Te三元系に応用する。 有望な電気PCMを見つけ,SPSPRを7倍のスピードアップに対応する25回の閉ループ反復で同定した。
• 参考スコア（独自算出の注目度）: 7.729168396645686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous labs enable the integration of automated experiment execution, data analysis and decision making. The main challenge remains the integration of diverse data streams from multiple instruments, where the data is often heterogeneous and unsynchronized. The standard learning process of undetermined synthesis-process-structure-property relationships (SPSPR) usually relies on post-experiment analysis after data is fully collected, not during live experiments, and decision making is carried out independently across characterization equipment. Here, we demonstrate the Multi-instrument Autonomous Discovery (MAD) framework -- combining structural property mapping and functional property optimization simultaneously in a closed-loop manner. As an example, we applied MAD to phase change memory (PCM) materials, and, in particular on the Mn-Sb-Te ternary, a previously unexplored materials system for PCM. A multi-output model is employed to merge data from x-ray diffraction (XRD) and electrical resistance measurements simultaneously through a co-regionalization kernel that models the relationship between them. The output probabilistic posterior and uncertainty quantification facilitate decision making with shared knowledge, while the goals are different across tasks. We aimed to maximize the knowledge of crystal structure distribution using non-negative matrix factorization (NMF), while in parallel, we find the composition with the maximum resistance value, an important figure of merit for PCM. Leveraging MAD, we found promising electrical PCMs and identified the SPSPR within 25 closed-loop iterations, corresponding to a seven-fold speed-up. The framework opens a new path of study in large-scale autonomous facilities, where future experiments can be run in parallel together, not independently.
• Abstract（参考訳）: 自律的なラボは、自動実験の実行、データ分析、意思決定の統合を可能にする。 主な課題は、多種多様なデータストリームを統合することだ。 SPSPR(undetermined synthesis-process-property relationships)の標準的な学習プロセスは、通常、データ収集後の実験後分析に頼っている。 本稿では, 構造的特性マッピングと機能的特性最適化を同時に, クローズドループ方式で組み合わせたMAD(Multi-Instrument Autonomous Discovery)フレームワークを実演する。 例として,MADを相変化メモリ(PCM)材料,特にこれまで探索されなかったPCM用材料であるMn-Sb-Te三元系に適用した。 マルチ出力モデルを用いて、X線回折(XRD)からのデータと電気抵抗の測定を、それらの関係をモデル化するコリージョン化カーネルを通じて同時にマージする。 アウトプットの確率的後部および不確実性定量化は共有知識による意思決定を促進するが、ゴールはタスクによって異なる。 非負行列分解(NMF)を用いた結晶構造分布の知識を最大化することを目的としたが、同時にPCMにとって重要なメリットである最大抵抗値の組成を見出した。 MADを用いて有望な電気的PCMを発見し、7倍のスピードアップに対応する25回の閉ループ反復でSPSPRを同定した。 このフレームワークは、大規模な自律的な施設で新たな研究の道を開く。

関連論文リスト

• AlignMamba-2: Enhancing Multimodal Fusion and Sentiment Analysis with Modality-Aware Mamba [56.52470564147458]
  マルチモーダル融合と感情分析のための効率的かつ効率的なフレームワークである textbfAlignMamba-2 を提案する。 提案手法では, 最適輸送距離と最大平均離散度の両方を用いてモデルを正規化する2つのアライメント戦略を導入する。 さらに重要なことは、モダリティに特有かつモダリティに偏ったエキスパートによるMixture-of-Expertsアーキテクチャを採用したModality-Aware Mamba層を設計することです。
  論文  参考訳（メタデータ） (2026-03-19T03:47:21Z)
• Momentum LMS Theory beyond Stationarity: Stability, Tracking, and Regret [6.655960359749289]
  大規模データ処理のシナリオでは、データが複雑なシステムによって生成されるシーケンシャルストリームに到達することが多い。 この非定常性は古典的な仮定に反する理論解析に挑戦する。 本稿では,適応型識別ツールとしてMomentum Least Mean Squares (MLMS)アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2026-02-12T14:24:42Z)
• Equivariant Evidential Deep Learning for Interatomic Potentials [55.6997213490859]
  不確かさの定量化は、分子動力学シミュレーションにおける機械学習の原子間ポテンシャルの信頼性を評価するために重要である。 既存のMLIPのUQアプローチは、高い計算コストや準最適性能によって制限されることが多い。 我々は,原子間ポテンシャルの定量的深層学習(texte2$IP)を提案する。
  論文  参考訳（メタデータ） (2026-02-11T02:00:25Z)
• Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
  ランダム行列によって駆動される高次元力学系について概説する。 機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
  論文  参考訳（メタデータ） (2026-01-03T00:12:32Z)
• Explainable Multimodal Regression via Information Decomposition [27.157278306251772]
  部分情報分解(PID)に基づく新しい多モード回帰フレームワークを提案する。 本フレームワークは,予測精度と解釈可能性の両方において最先端の手法より優れ,効率的な推論のための情報モダリティ選択を可能にする。
  論文  参考訳（メタデータ） (2025-12-26T18:07:18Z)
• Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
  マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。 我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
  論文  参考訳（メタデータ） (2023-08-10T02:47:36Z)
• Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
  機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。 本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。 本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-20T21:21:19Z)
• Kernel-based Joint Independence Tests for Multivariate Stationary and Non-stationary Time Series [0.6749750044497732]
  多変量時系列における共同独立のカーネルベース統計テストを導入する。 提案手法は, 合成例において, 高次依存関係を頑健に発見する方法を示す。 我々の手法はデータの高次相互作用を明らかにするのに役立つ。
  論文  参考訳（メタデータ） (2023-05-15T10:38:24Z)

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。