論文の概要: AtomWorld-Mirror: Macro-Step World Modeling of Critical Evolution Backbones for Materials Dynamics

• arxiv url: http://arxiv.org/abs/2610.11527v2
• Date: Sat, 10 Oct 2026 08:24:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 23:39:49.769139
• Title: AtomWorld-Mirror: Macro-Step World Modeling of Critical Evolution Backbones for Materials Dynamics
• Title（参考訳）: AtomWorld-Mirror: マテリアルダイナミクスのための臨界進化バックボーンのマクロステップ世界モデリング
• Abstract要約: AtomWorld-Mirrorは、原子系の重要な進化のバックボーンのための、タイムアウェアなマクロステップの世界モデルである。 細かな構造的な編集と、潜在マクロステップのダイナミックスによって蓄積された物理的時間を予測する。 イベント・バイ・イベント・シミュレーションのスピードは103ドルから104ドルにアップする。
• 参考スコア（独自算出の注目度）: 17.115590583522913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atomistic simulation is a fundamental tool for studying long-term materials evolution, from diffusion and defect dynamics to interfacial reactions and fracture. Yet conventional simulators typically advance at microscopic resolution, spending substantial computation on low-impact local updates before reaching structurally consequential states, an evolutionary-resolution bottleneck that limits long-horizon simulation. We propose AtomWorld-Mirror, a time-aware macro-step world model for the critical evolution backbone of atomic systems. For Step-Wise atomistic simulation, AtomWorld-Mirror distills short micro-event segments into physically reachable transitions between key states, jointly predicting sparse structural edits and accumulated physical time through latent macro-step dynamics. Local reachability, inventory conservation, and continuous-time consistency constrain each transition. By amortizing local atomic physics into a reusable latent macro model and replacing explicit micro-event replay with macro-step inference, this formulation provides a path toward substantially faster prediction of long-term materials evolution while preserving structural validity and time semantics. Across five atomic systems, spanning Cu-rich RPV steel irradiation aging, Cu-Zr metallic glass, and Li$_3$N-based anti-perovskite solid electrolyte, macro-step inference delivers a speed up of $10^3$ to $10^4$ times over event-by-event simulation.
• Abstract（参考訳）: 原子論シミュレーションは、拡散・欠陥力学から界面反応・破壊まで、長期材料進化を研究するための基本的なツールである。 しかし、従来のシミュレータは通常、顕微鏡分解で進行し、構造的に連続的な状態に達する前に、低インパクトな局所的な更新に実質的な計算を費やす。 本稿では,原子系の臨界進化バックボーンの時間的マクロステップモデルであるAtomWorld-Mirrorを提案する。 ステップワイズ原子論シミュレーションでは、AtomWorld-Mirrorは短いマイクロイベントセグメントをキー状態間の物理的に到達可能な遷移に蒸留し、スパース構造の編集と遅延マクロステップのダイナミクスを通して蓄積された物理的時間を予測する。 ローカルリーチビリティ、在庫保存、継続的な一貫性は移行ごとに制約される。 局所原子物理学を再利用可能な潜在マクロモデルに補正し、明示的なマイクロイベント再生をマクロステップ推論に置き換えることで、この定式化は構造的妥当性と時間的意味を保ちながら、長期材料の進化を著しく高速に予測する方法を提供する。 Cu-リッチRPV鋼の時効、Cu-Zr金属ガラス、Li$_3$N系反ペロブスカイト固体電解質にまたがる5つの原子系において、マクロステップ推論はイベント・バイ・イベント・イベント・シミュレーションにおいて10^3$から10^4$の速度をもたらす。

関連論文リスト

• Zatom-2: Multitask Pretraining on Atomistic Data for Generative Modeling across Domains [51.14393551142664]
  OMol25とOMat24の電子構造データセットから約500万構造を事前訓練した原子構造生成モデル。 Zatom-2はZatom-1よりも分子分布の忠実度が良く、既存の分子および物質生成ベンチマークで強い性能を発揮する。 Zatom-2は、低力および高力のレギュレーションでサンプル生成を制御する能力を示し、共同生成予測事前学習と転写学習を通じて、低データ環境でのタンパク質生成を促進する。
  論文  参考訳（メタデータ） (2026-10-08T08:09:17Z)
• AtomWorld-Mem: Memory-Restored World States for Long-Horizon Atomistic Evolution [14.813640271495473]
  AtomWorld-Memは、記憶に蓄積された原子論の世界モデルであり、瞬間的な結晶スナップショットから欠落している潜伏した世界状態を復元する。 AtomWorld-Memは進化する合金をAtomWorldとして扱う。 固定された微視的なイベント予算の下では、エネルギー的、構造的、空洞輸送可観測物にまたがる高忠実な進化を保ちながら、長い水平原子の進行を改善する。
  論文  参考訳（メタデータ） (2026-09-25T11:26:05Z)
• Diffusion-based Generative Machine Learning Model for Predicting Crack Propagation in Aluminum Nitride at the Atomic Scale [0.0]
  窒化アルミニウム(AlN)の原子スケールき裂伝播を予測する拡散型生成機械学習モデルを開発した。 このモデルは、応力駆動による亀裂発生、ひび割れの分岐、原子スケールのブリジング靭帯などの動的破壊過程を正確に予測しながら、顕著なスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-03-13T13:20:37Z)
• Zatom-1: A Multimodal Flow Foundation Model for 3D Molecules and Materials [51.342983349686556]
  汎用的な3Dケミカルモデリングは分子や材料を含み、生成能力と予測能力の両方を必要とする。 Zatom-1は、3D分子や材料の生成的および予測的学習を統一する、エンド・ツー・エンドの完全なオープンソース基盤モデルである。
  論文  参考訳（メタデータ） (2026-02-24T20:52:39Z)
• MacroGuide: Topological Guidance for Macrocycle Generation [108.89659074751523]
  マクロガイド: マクロサイクル生成のためのトポロジカルガイダンスを紹介する。 マクロサイクルの生成に向けて、事前訓練された分子生成モデルのサンプリングを行う。 経験的に、事前訓練された拡散モデルにマクロモードを適用すると、マクロサイクルの生成率は1%から99%に増加する。
  論文  参考訳（メタデータ） (2026-02-16T18:00:53Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• FlashMD: long-stride, universal prediction of molecular dynamics [5.75012394190034]
  我々は,通常のMD時間ステップよりも1～2桁長いストライド上の位置とモーメントの進化を予測する手法であるFlashMDを提案する。 システム固有モデルと汎用モデルの両方を用いて, 平衡特性と時間依存特性の再現におけるFlashMDの精度を検証した。
  論文  参考訳（メタデータ） (2025-05-25T22:34:31Z)
• Flow Matching for Accelerated Simulation of Atomic Transport in Crystalline Materials [6.6716708904054896]
  原子輸送はエネルギー貯蔵や電子工学などの技術における材料の性能を支えている。 結晶材料のMDシミュレーションを高速化する生成フレームワークLiFlowを紹介する。 我々はLiFlowを4つの温度で4,186個のSSE候補にまたがる25-psのリチウム拡散軌道からなるデータセット上でベンチマークした。
  論文  参考訳（メタデータ） (2024-10-02T12:16:46Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)

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。