論文の概要: DGLD: Domain-Gated Latent Diffusion for the Discovery of Novel Energetic Materials

• arxiv url: http://arxiv.org/abs/2605.26540v1
• Date: Tue, 26 May 2026 04:43:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.670688
• Title: DGLD: Domain-Gated Latent Diffusion for the Discovery of Novel Energetic Materials
• Title（参考訳）: DGLD:新しいエネルギー材料発見のためのドメインゲート潜在拡散
• Authors: Yehudit Aperstein, Alexander Apartsin,
• Abstract要約: Domain-Gated Latent Diffusion (DGLD)は、訓練時のラベル品質の高いゲートであり、サンプル時のマルチタスクスコアモデルガイダンスであり、第一原理DFT監査で終わる4段階の化学価関数である。 ヘッドライン化合物である3,4,5-トリニトロ-1,2-イソキサゾール(L1)は、rho_"cal" =2.09 g/cm3とD_"K-J,cal" =8.25 km/sに到達し、全ての65980のトレーニング分子と構造的に異なる。
• 参考スコア（独自算出の注目度）: 47.027290803102666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Energetic-materials performance gains translate directly into reduced propellant mass, smaller warheads, and more efficient civilian gas-generators, yet no new HMX-class compound has been disclosed in fifteen years. Designing one is a sparse-label problem: of ~66 k labelled CHNO molecules only ~3 k carry experimental or DFT-quality measurements, and naive generative models trained on the full mixture either memorise the high-performance tail or extrapolate without calibration. We introduce Domain-Gated Latent Diffusion (DGLD): a label-quality gate at training time, multi-task score-model guidance at sample time, and a four-stage chemistry-validation funnel ending in first-principles DFT audit. The result is 12 DFT-confirmed novel leads. The headline compound, 3,4,5-trinitro-1,2-isoxazole (L1), reaches \r{ho}_"cal" =2.09 g/cm3 and D_"K-J,cal" =8.25 km/s and is structurally dissimilar from all 65 980 training molecules (nearest-neighbour Tanimoto 0.27). A co-headline lead, E1 (4-nitro-1,2,3,5-oxatriazole), exceeds L1 on calibrated detonation velocity (D_"K-J,cal" =9.00 km/s) from a chemotype family disjoint from L1's. DGLD is the only method to land in the productive quadrant (simultaneously novel and on-target) at DFT level. SMILES-LSTM memorises 18.3% of its outputs exactly; SELFIES-GA's best novel candidate loses 3.5 km/s under DFT audit; REINVENT 4 generates novel high-N heterocycles but peaks at D=9.02 km/s. Code, checkpoints, and 918 mined hard negatives are released on Zenodo (DOI 10.5281/zenodo.19821953); the next compound to enter the HMX-class band can be discovered, validated, and recommended for synthesis at the cost of a few GPU-days.
• Abstract（参考訳）: エネルギー材料の性能向上は、直接的に推進剤の質量を減らし、弾頭を小さくし、より効率的な民間ガス発生器へと変換されるが、新しいHMX級化合物は15年ぶりに公表されていない。 1つはスパースラベルの問題であり、約66kのラベル付きCHNO分子は実験またはDFT品質の測定しか行わず、キャリブレーションなしで高性能のテールまたはエクストラポーラートを記憶している。 本稿では,DGLD (Domain-Gated Latent Diffusion) について紹介する。DGLD (Domain-Gated Latent Diffusion) は,訓練時のラベル品質ゲート,サンプル時のマルチタスクスコアモデルガイダンス,第1原理DFT監査における4段階の化学検証ファンネルである。 結果は、DFTで確認された12の新規リードである。 ヘッドライン化合物である3,4,5-トリニトロ-1,2-イソキサゾール (L1) は \r{ho}_"cal" =2.09 g/cm3 および D_"K-J,cal" =8.25 km/s に達する。 コヘッドラインの鉛であるE1 (4-nitro-1,2,3,5-oxatriazole) は、L1から離離するケモタイプファミリーからキャリブレーションデトネーション速度 (D_"K-J,cal" =9.00 km/s) でL1を超える。 DGLDは、DFTレベルで生産的な四分儀(同時に新規でオンターゲット)に着陸する唯一の方法である。 SMILES-LSTMは出力の18.3%を正確に記憶しており、SELFIES-GAの最良の新規候補はDFT監査下で3.5km/s、REINVENT 4は新規なハイNヘテロサイクルを生成するが、ピークはD=9.02km/sである。 コード、チェックポイント、918マイニングされたハードネガティブは、Zenodo (DOI 10.5281/zenodo. 19821953) 上でリリースされ、HMXクラスバンドに入る次の化合物は、数日間のGPUコストで発見、検証、合成のために推奨される。

関連論文リスト

• Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments [0.0]
  歯科用エアロゾルは50マイクロメートル未満の核を産生し、閉鎖された診療所で長時間空中に留まり、航空機の病原体感染の経路を作る。 我々は,OpenFOAM多面体メッシュ上でのキャリアフローのダイナミクスと多分散噴霧雲のパーセル運動を共同で予測する物理インフォームドグラフサロゲートであるEulerian-Lagrangian Graph Interaction Network (ELGIN)を提案する。
  論文  参考訳（メタデータ） (2026-05-19T09:31:15Z)
• FlashMol: High-Quality Molecule Generation in as Few as Four Steps [33.25994871049577]
  FlashMolは、高品質な分子配座を4段階で生成する超高速な分子生成モデルである。 QM9とGEOM-DRUGデータセットの実験は、FlashMolが最初の1000ステップの教師にマッチし、さらに上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-07T23:04:24Z)
• MolmoAct2: Action Reasoning Models for Real-world Deployment [67.6315757474802]
  MolmoAct2は、実用的なデプロイメントのために構築された、完全にオープンなアクション推論モデルである。 空間的および具体的推論に特化した VLM バックボーンである MolmoER を紹介する。 低コストプラットフォームにまたがる3つの新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-05-04T17:51:21Z)
• Nemotron 3 Super: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning [262.0414794728708]
  ネモトロン3スーパーの事前学習、後学習、量子化について述べる。 Nemotron 3 Superは1200億(アクティブ120億)のパラメータハイブリッドMamba-Attention Mixture-of-Expertsモデルである。
  論文  参考訳（メタデータ） (2026-04-14T07:02:32Z)
• PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI [1.3063136334195184]
  この研究は、多部構成のフォワードモデルとエンドツーエンドの脳脊髄モデルに適合する、微分可能な分析バイシンセシスフレームワークを紹介します。 PRISMは高速MSE目標と情報無しで共同で学習するリッチ陰性対数類似度(NLL)をサポートする。 PRISMは、95%のリコールが最良基準線よりも1.9倍低い3.5度の角誤差を達成している。
  論文  参考訳（メタデータ） (2026-03-31T21:22:49Z)
• An accurate DFT-1/2 approach for shallow defect states: Efficient calculation of donor binding energies in silicon [0.0]
  DFT-1/2近似準粒子補正に基づく浅層ドナーの簡易かつ実用的なプロトコルを提案する。 このアプローチは、最小の計算オーバーヘッドで信頼性の高いドナー結合エネルギーを提供する。 Si, Si:X (X=P, As, Sb, Bi) の群-Vドナーに適用され、実験と密接に一致して結合エネルギーが得られる。
  論文  参考訳（メタデータ） (2025-08-20T14:37:19Z)
• Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
  等変グラフニューラルネットワーク(GNN)に基づく新しい非局所XC関数であるEquivariant Graph Exchange correlation (EG-XC)を導入する。 この点の雲に同変GNNを適用することにより、スケーラブルで正確な分子レンジ相互作用をキャプチャする。 EG-XCは、QM9上のデータ効率と分子サイズの外挿に優れ、5倍以上の分子で訓練された整合力場である。
  論文  参考訳（メタデータ） (2024-10-10T14:31:45Z)
• Unlocking Dataset Distillation with Diffusion Models [12.306628722616631]
  LD3Mは、事前学習された潜水拡散モデルにより、勾配に基づく蒸留潜水とクラス埋め込みを学習する。 LD3Mは128x128と256x256の複数のImageNetサブセットで、ダウンストリームの精度を4.8ポイント(1 IPC)と4.2ポイント(10 IPC)に改善している。
  論文  参考訳（メタデータ） (2024-03-06T17:41:41Z)

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。