論文の概要: CatRetriever: Contrastive Representation Learning for Slab-to-Bulk Retrieval in Generative Catalyst Discovery

• arxiv url: http://arxiv.org/abs/2607.11712v1
• Date: Mon, 13 Jul 2026 15:38:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.538798
• Title: CatRetriever: Contrastive Representation Learning for Slab-to-Bulk Retrieval in Generative Catalyst Discovery
• Title（参考訳）: CatRetriever: 生成触媒発見におけるSlab-to-Bulk検索のためのコントラスト表現学習
• Abstract要約: CatRetrieverは、共有潜在空間におけるスラブおよびバルク結晶表現を整列する対照的な表現学習モデルである。 slabクエリから、CatRetrieverは、R@1 > 91%、R@3 > 98%の可視な親バルク候補を正確に検索する。
• 参考スコア（独自算出の注目度）: 1.9682121767943492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inverse design is an emerging data-driven paradigm for efficiently navigating vast chemical spaces to discover new materials with targeted properties, and in the context of heterogeneous catalysis, surface generative models have recently advanced this goal by directly generating catalyst surface-adsorbate structures. However, these models typically operate at the slab level and do not provide the corresponding parent bulk structure, making it difficult to assess bulk-dependent properties such as formation energy, surface energy, crystallographic symmetry, and synthesizability. Here, we address this missing slab-to-bulk connection as a retrieval problem and introduce CatRetriever, a contrastive representation learning model that aligns slab and bulk crystal representations in a shared latent space. From a slab query, CatRetriever accurately retrieves plausible parent bulk candidates with R@1 > 91% and R@3 > 98% on both the in-distribution and holdout evaluation sets. We further extend the CatRetriever framework into an adsorption energy targeted bulk discovery pipeline that combines bulk retrieval, generative search space expansion, and adsorption energy distribution analysis. This workflow evaluates candidates by both structural compatibility with the query slab and their ability to access the target adsorption energy range across diverse surface environments. CatRetriever therefore provides a scalable route for connecting catalyst generative models with physically plausible and adsorption energy compatible bulk catalyst discovery.
• Abstract（参考訳）: 逆設計は、大きな化学空間を効率的にナビゲートし、標的となる性質を持つ新しい物質を発見するための新しいデータ駆動パラダイムであり、不均一な触媒反応の文脈において、表面生成モデルは、触媒表面吸着構造を直接生成することで、この目標を先進的に進めている。 しかしながら、これらのモデルは通常スラブレベルで動作し、対応する親バルク構造を提供しないため、形成エネルギー、表面エネルギー、結晶対称性、合成性などのバルク依存特性を評価することは困難である。 ここでは、この欠落したスラブとバルクの接続を検索問題として扱い、スラブとバルクの結晶表現を共有潜在空間で整列するコントラスト表現学習モデルであるCatRetrieverを導入する。 slabクエリから、CatRetrieverは、R@1 > 91%、R@3 > 98%の可視な親バルク候補を正確に検索する。 さらに,CataRetrieverフレームワークを,バルク検索,生成空間拡張,吸着エネルギー分布解析を組み合わせた,吸着エネルギーをターゲットとしたバルク探索パイプラインに拡張する。 このワークフローは、クエリスラブの構造的互換性と、様々な表面環境にまたがるターゲット吸着エネルギー範囲へのアクセス能力の両方により、候補を評価する。 そのため、CatRetrieverは、物理的に可塑性で吸着エネルギーに適合するバルク触媒発見と触媒生成モデルを接続するためのスケーラブルな経路を提供する。

関連論文リスト

• Catalyst Diffusion Transformer: Generative Inverse Design of Heterogeneous Catalysts [0.18665975431697432]
  触媒拡散変換器 (CatDiT) は逆触媒設計のための統一的なフレームワークである。 CatDiTは、金属間合金から酸化物表面まで、有効で新しい構造を生成する。
  論文  参考訳（メタデータ） (2026-07-27T11:11:33Z)
• Reaction-network reasoning with frontier models for experimentally confirmed catalyst-selectivity hypotheses [2.680414327006012]
  経路競合を支配する物理レバーを同定することにより,フロンティア言語モデルが新規触媒を発見可能であることを示す。 我々は、複雑な化学グラフからテスト可能な仮説を抽出するために、ネットワーク不変性を強制する人間-AI共同思考フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-09T00:11:40Z)
• Toward Controllable Catalyst Inverse Design via Large-Scale Autoregressive Pretraining [0.20391237204597365]
  生成事前学習型トランスアーキテクチャに基づく条件付き触媒生成モデルを提案する。 このモデルでは, 98%の構造的妥当性, 95%の最適化妥当性, 高いカテゴリー的条件忠実度が得られた。 その結果, 大規模自己回帰前訓練と明示的特性条件の併用により, 制御可能な触媒生成に向けた実践的な経路が得られた。
  論文  参考訳（メタデータ） (2026-06-16T03:00:52Z)
• CatalyticMLLM: A Graph-Text Multimodal Large Language Model for Catalytic Materials [61.546562658308005]
  触媒材料のためのグラフテキスト多モード大言語モデルQE-Catalytic-V2を提案する。 プロパティ予測と逆設計を同じモデルと共有表現空間に統合する。 この統合フレームワークでは、QE-Catalytic-V2は信頼性の高いプロパティ予測を行うだけでなく、物理的に実現可能なCIF候補を生成し、表示することができる。
  論文  参考訳（メタデータ） (2026-05-17T04:31:46Z)
• Meta-LegNet: A Transferable and Interpretable Framework for Surface Adsorption Prediction via Self-Defined Adsorption-Environment Learning [8.150979148487787]
  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。
  論文  参考訳（メタデータ） (2026-05-03T10:55:16Z)
• Catalyst GFlowNet for electrocatalyst design: A hydrogen evolution reaction case study [73.49945279707323]
  電気触媒は水素エネルギー貯蔵(HES)において重要な役割を担い、エネルギーを水素として貯蔵する。 本稿では, 効率的な触媒として機能する結晶表面を設計するために, 生成とエネルギーの機械学習に基づく予測モデルであるCatalyst GFlowNetを紹介する。 我々は,HESにおける重要な反応である水素進化反応への概念実証の適用を通じて,プラチナを最も効率的な触媒として同定し,モデルの性能を実証した。
  論文  参考訳（メタデータ） (2025-10-02T15:49:39Z)
• Generative Language Model for Catalyst Discovery [0.0]
  化学空間から無機触媒構造の文字列表現を生成するために訓練されたCatalyst Generative Pretrained Transformer (CatGPT)を導入する。 CatGPTは有効かつ正確な触媒構造を生成する上で高い性能を示すだけでなく、所望の触媒の種類を生成するための基礎モデルとしても機能する。
  論文  参考訳（メタデータ） (2024-07-19T05:34:08Z)
• Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion Bridge [69.80471117520719]
  Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。 我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。 アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-18T05:04:50Z)
• AdsorbRL: Deep Multi-Objective Reinforcement Learning for Inverse Catalysts Design [0.0]
  クリーンエネルギー移行における中心的な課題は、低エミッション技術のための触媒の開発である。 量子化学における機械学習の最近の進歩は、触媒活性記述子の計算を劇的に加速させる。 本稿では,多目的結合エネルギーターゲットが与えられた潜在的な触媒を特定することを目的とした,深層強化学習エージェントであるAdsorbRLを紹介する。
  論文  参考訳（メタデータ） (2023-12-04T19:44:04Z)
• 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)
• 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)
• Pathloss modeling for in-body optical wireless communications [65.33908037519238]
  光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。 本稿では,体内OWCの一般パスロスモデルについて述べる。
  論文  参考訳（メタデータ） (2021-05-06T17:17:45Z)

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。