論文の概要: AI-Guided Design and Optimization of Graphite-Based Anodes via Iterative Experimental Feedback
- arxiv url: http://arxiv.org/abs/2606.00187v1
- Date: Fri, 29 May 2026 15:57:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.093714
- Title: AI-Guided Design and Optimization of Graphite-Based Anodes via Iterative Experimental Feedback
- Title（参考訳）: 反復実験フィードバックによるグラファイトアノードのAI誘導設計と最適化
- Abstract要約: ノード最適化のためのAI/ML誘導逆設計による逐次学習をCitrine Platformを用いて実装した。
製造の信頼性は、頻繁なプロセス障害から100%成功したセル生産まで改善された。
結果は、構造化されたフィードバック駆動型AIが、不完全な産業データを実用的なガイダンスに変換することを実証している。
- 参考スコア（独自算出の注目度）: 10.196330744688456
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This study presents an iterative AI-guided workflow that accelerates graphite-based anode development by improving both formulation feasibility and process robustness. Sequential learning via AI/ML-guided multiobjective inverse design for anode optimization was implemented using the Citrine Platform. Starting from a noisy, incomplete dataset, the Citrine Platform was used to generate early surrogate models, which despite low predictive certainty highlighted missing process constraints. By iteratively adding feasibility labels and boundary condition failures, the workflow rapidly converged toward manufacturable, higher-performing formulations. Fabrication reliability improved from frequent process failures to 100% successful cell production, while the fraction of cells delivering $\geq$ 350 mAh g$^{-1}$ increased from 28.4% to 84.8%, with capacity retention rising from 42.1% to 97.3%. These results demonstrate that structured, feedback-driven AI workflows can transform imperfect industrial data into actionable guidance, enabling faster, more reproducible optimization of battery electrode manufacturing.
- Abstract（参考訳）: 本研究では,グラファイトをベースとしたアノード開発を高速化する反復型AI誘導ワークフローを提案する。
ノード最適化のためのAI/ML誘導多目的逆数設計による逐次学習をCitrine Platformを用いて実装した。
ノイズの多い不完全なデータセットから始まり、Citrine Platformは初期のサロゲートモデルを生成するために使用された。
実行可能性ラベルと境界条件障害を反復的に追加することにより、ワークフローは製造可能で高性能な定式化に向けて急速に収束した。
製造の信頼性は、頻繁なプロセス失敗から100%成功のセル生産に向上し、$\geq$350 mAh g$^{-1}$のセルは28.4%から84.8%に増加し、キャパシティの保持率は42.1%から97.3%に増加した。
これらの結果は、構造化されたフィードバック駆動型AIワークフローが、不完全な産業データを実用的なガイダンスに変換し、電池電極製造のより高速で再現可能な最適化を可能にすることを実証している。
関連論文リスト
- Meta-learning for sample-efficient Bayesian optimisation of fed-batch processes [14.388871922519654]
フィードバッチ(バイオ)化学プロセスのレシピの最適化は、本質的に、基礎的で、測定不能なゆらぎにさらされる。
BayesOptは高価な測定関数のサンプリングと最適化のための強力なツールである。
論文 参考訳（メタデータ） (2026-05-06T19:07:29Z) - From Memorization to Creativity: LLM as a Designer of Novel Neural-Architectures [48.83701310501069]
大規模言語モデル(LLM)は、プログラム合成において優れているが、ニューラルネットワーク設計(信頼性、性能、構造的ノベルティ)を自律的にナビゲートする能力は、未調査のままである。
コード指向LLMをクローズドループ合成フレームワークに配置し、22の教師付き微調整サイクルの進化を解析することによって、この問題に対処する。
論文 参考訳（メタデータ） (2026-01-06T13:20:28Z) - Distilled Protein Backbone Generation [59.63474232035653]
拡散およびフローベースの生成モデルは、デノボタンパク質の設計に前例のない能力を提供する。
これらのモデルは生成速度によって制限され、しばしば逆拡散過程において数百の反復的なステップを必要とする。
本研究は,Score Identity Distillation (SiD) を用いて,数段階のタンパク質バックボーン生成装置の訓練を行う方法を示す。
論文 参考訳（メタデータ） (2025-10-03T15:25:08Z) - IIET: Efficient Numerical Transformer via Implicit Iterative Euler Method [59.02943805284446]
Iterative Implicit Euler Transformer (IIET)
IIADにより、ユーザはパフォーマンス効率のトレードオフを効果的にバランスできる。
E-IIETの変種は、バニラトランスフォーマーよりも平均的なパフォーマンスが1.6%以上向上した。
論文 参考訳（メタデータ） (2025-09-26T15:14:03Z) - A Stitch in Time Saves Nine: Proactive Self-Refinement for Language Models [53.31664844941449]
ProActive Self-Refinement (PASR)は、大規模言語モデル(LLM)を改善する新しい方法である。
反応全体を再生する手法とは異なり、PASRはモデルの内部状態と進化コンテキストに基づいて、いつ、どのように精製するかを積極的に決定する。
PASRの有効性を評価するために,多種多様な10のタスクについて広範囲に実験を行った。
論文 参考訳（メタデータ） (2025-08-18T13:07:21Z) - Accelerating Battery Material Optimization through iterative Machine Learning [0.8189259726221193]
本稿では,目標実験をガイドし,段階的なモデル改良を促進するために,アクティブラーニングを統合した反復型機械学習(ML)フレームワークを提案する。
その結果,能動学習による実験は,必要な実験サイクルの総数を著しく減少させることがわかった。
論文 参考訳（メタデータ） (2025-05-12T11:45:02Z) - Evolving LLMs' Self-Refinement Capability via Synergistic Training-Inference Optimization [53.93621974137829]
自己精製(Self-Refinement)とは、モデルが自身のレスポンスを改訂し、改善された出力を生成する能力を指す。
EVOLVEは、反復的なトレーニングを通じて自己精製の進化を導き、追跡するためのフレームワークである。
固有モデル能力のより広範な自己改善を実現するために自己改善を活用する可能性を実証する。
論文 参考訳（メタデータ） (2025-02-08T15:21:55Z) - Dynamic Noise Preference Optimization for LLM Self-Improvement via Synthetic Data [51.62162460809116]
我々は、イテレーション間で一貫した改善を保証するために、動的ノイズ優先最適化(DNPO)を導入します。
Zephyr-7Bでの実験では、DNPOは既存の手法を一貫して上回り、平均性能は2.6%向上した。
DNPOは、GPT-4評価のベースラインに比べて29.4%のウィンロス率差で、モデル生成データの品質が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2025-02-08T01:20:09Z) - Parameter Identification for Electrochemical Models of Lithium-Ion Batteries Using Bayesian Optimization [5.637250168164636]
グラディエントベースおよびメタヒューリスティック最適化手法は、ロバスト性、高い計算コスト、および局所ミニマへの感受性の欠如によって制限されている。
本研究では,ニッケル-マンガン-コバルト (NMC)-グラファイトセルの電気化学等価回路電池モデル (E-ECM) の動的パラメータの調整にベイズ最適化を用いる。
論文 参考訳（メタデータ） (2024-05-17T12:59:15Z) - Accelerating Diffusion-based Combinatorial Optimization Solvers by
Progressive Distillation [43.60874566377421]
本稿では, 脱臭過程において少ないステップで推算を高速化するために, プログレッシブ蒸留法を提案する。
実験結果から, 徐々に蒸留したモデルでは0.019%の性能低下を伴わず, 16倍の速度で推算できることがわかった。
論文 参考訳（メタデータ） (2023-08-12T21:25:24Z) - Designing Robust Biotechnological Processes Regarding Variabilities
using Multi-Objective Optimization Applied to a Biopharmaceutical Seed Train
Design [3.674863913115431]
この貢献は、不確実性に基づく上流シミュレーションとガウス過程を用いたベイズ最適化を結合したワークフローを提供する。
プロセス開発における関連産業課題のシミュレーションケーススタディでその応用を実証した。
最適化されたプロセスは、生存可能な細胞密度に関して、はるかに低い偏差率を示した。
論文 参考訳（メタデータ） (2022-05-06T14:33:02Z)
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。