論文の概要: Text-guided flow matching enables sample-efficient crystal structure generation

• arxiv url: http://arxiv.org/abs/2609.01076v2
• Date: Sun, 06 Sep 2026 02:50:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-09 22:37:20.335564
• Title: Text-guided flow matching enables sample-efficient crystal structure generation
• Title（参考訳）: テキスト誘導型フローマッチングによる試料高効率結晶構造生成
• Abstract要約: TFMatは、構造化材料言語をCrystalFlowジェネレータのセマンティクスとして使用する、テキスト条件のフローマッチングフレームワークである。 これはCrystalFlowに対する1候補一致率を改善し、20人の候補者と92.04%のMP-20一致率に達する。
• 参考スコア（独自算出の注目度）: 3.8113812490631
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Crystal generators can now propose periodic structures, but their control interfaces remain poorly matched to the mixed descriptors used in materials design. Text provides a compact way to combine composition, symmetry, prototype and property cues, yet it has not been clear whether such information can steer flow-based crystal generation. Here we introduce TFMat, a text-conditioned flow-matching framework that uses structured materials language as a semantic prior for a CrystalFlow generator. Across Perov-5, Carbon-24 and MP-20 crystal structure prediction benchmarks, TFMat improves one-candidate match rates over CrystalFlow and reaches a 92.04% MP-20 match rate with 20 candidates; in de novo generation, it improves element-count and density distribution alignment while retaining coarse property consistency in composition-selected outputs. These results position structured text as an inspectable control layer for translating human-readable materials intent into candidate crystals for downstream simulation and validation.
• Abstract（参考訳）: 結晶生成器は周期構造を提案できるが、制御インタフェースは材料設計で使用される混合ディスクリプタとよく一致しない。 テキストは、合成、対称性、プロトタイプおよびプロパティーキューを組み合わせるためのコンパクトな方法を提供するが、そのような情報がフローベースの結晶生成を制御できるかどうかは不明だ。 本稿では,構造化材料言語をCrystalFlowジェネレータのセマンティクスとして使用するテキスト条件のフローマッチングフレームワークであるTFMatを紹介する。 ペロブ5,Carbon-24,MP-20の結晶構造予測ベンチマークにおいて,TFMatはCrystalFlowに対する一候補一致率を92.04%,20候補とのマッチング率を92.04%向上させる。 これらの結果から,ヒト可読性材料意図を候補結晶に翻訳し,下流シミュレーションと検証を行うための検査可能な制御層として構造化テキストが位置づけられた。

関連論文リスト

• Composable Crystals: Controllable Materials Discovery via Concept Learning [25.01951802810537]
  結晶生成のための概念ベース構成フレームワークを提案する。 我々はベクトル量子化された変分オートエンコーダを訓練し、再利用可能な結晶概念の共有集合を自動的に発見する。 このような概念を再結合することにより、トレーニング分布を超えた新しい結晶の制御可能な探索を可能にする。
  論文  参考訳（メタデータ） (2026-05-14T12:36:23Z)
• Multimodal Crystal Flow: Any-to-Any Modality Generation for Unified Crystal Modeling [26.234111750930037]
  結晶モデリングは、異なるモードにわたる条件付きおよび非条件付き生成タスクのファミリーにまたがる。 最近の深層生成モデルは、主にタスク固有であり、異なる生成タスク間で結晶表現を共有する統一されたフレームワークが欠如している。 我々は,複数の結晶生成タスクを異なる推論軌道として実現する統一多モードフローモデルであるemphMultimodal Crystal Flow (MCFlow)を提案する。
  論文  参考訳（メタデータ） (2026-02-23T03:59:47Z)
• CrystalDiT: A Diffusion Transformer for Crystal Generation [52.45780803467369]
  本稿では,結晶構造生成のための拡散変圧器であるCrystalDiTについて述べる。 CrystalDiTは、格子と原子特性を単一の相互依存系として扱う、強力な誘導バイアスを課す統一トランスフォーマーを使用している。
  論文  参考訳（メタデータ） (2025-08-13T12:53:32Z)
• Invariant Tokenization of Crystalline Materials for Language Model Enabled Generation [82.91073155506277]
  鍵となるステップは、3次元結晶構造を1次元配列に変換して言語モデル(LM)で処理することだ。 Mat2Seqは3次元結晶構造を1次元配列に変換し、同じ結晶の異なる数学的記述が単一のユニークなシーケンスで表現されることを保証する。 実験結果から,Mate2Seqは,従来の手法と比較して,結晶構造生成において有望な性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2025-02-28T20:02:53Z)
• A Generation Framework with Strict Constraints for Crystal Materials Design [8.736399863675524]
  本稿では,複数の制約を入力として受け取り,特定の化学特性を持つ結晶構造の生成を可能にする新しい制約生成フレームワークを提案する。 本手法は,既存手法の2倍以上の目標特性を満たす確率で結晶構造を生成する。
  論文  参考訳（メタデータ） (2024-11-13T09:36:50Z)
• Generative Hierarchical Materials Search [91.93125016916463]
  結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。 GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。 GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
  論文  参考訳（メタデータ） (2024-09-10T17:51:28Z)
• Latent Conservative Objective Models for Data-Driven Crystal Structure Prediction [62.36797874900395]
  計算化学において、結晶構造予測は最適化問題である。 この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。 我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
  論文  参考訳（メタデータ） (2023-10-16T04:35:44Z)
• Crystal-GFN: sampling crystals with desirable properties and constraints [103.79058968784163]
  本稿では,結晶構造の生成モデルであるCrystal-GFNを紹介する。 本稿では,MatBenchで学習した新しいプロキシ機械学習モデルにより予測された結晶構造の原子1個あたりの生成エネルギーを目的として利用する。 その結果、Crystal-GFNは低(中間-3.1 eV/原子)で生成エネルギーが予測される非常に多様な結晶をサンプリングできることが示された。
  論文  参考訳（メタデータ） (2023-10-07T21:36:55Z)
• CrysMMNet: Multimodal Representation for Crystal Property Prediction [22.576167897068956]
  CrysMMNetは、構造的およびテキスト的表現を融合させ、結晶材料の共同マルチモーダル表現を生成する単純なマルチモーダルフレームワークである。 我々は、CrysMMNetが既存の最先端のベースラインメソッドよりも優れたマージンを持つことを示すために、10の異なるプロパティにわたる2つのベンチマークデータセットに関する広範な実験を行った。
  論文  参考訳（メタデータ） (2023-06-09T11:16:01Z)
• A Well-Composed Text is Half Done! Composition Sampling for Diverse Conditional Generation [79.98319703471596]
  高品質の条件付き生成のための多種多様な出力を生成するための簡易で効果的な合成サンプリング法であるコンポジションサンプリングを提案する。 これは最近提案された計画ベースのニューラルジェネレーションモデルに基づいて構築され、まず最初に出力の合成を作成し、それと入力を条件付けして生成するように訓練される。
  論文  参考訳（メタデータ） (2022-03-28T21:24:03Z)

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。