論文の概要: Virtual-Alloy Physics-Aware Semantic System for extrapolative prediction of perovskite solar cells

• arxiv url: http://arxiv.org/abs/2610.18949v1
• Date: Tue, 13 Oct 2026 16:24:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.732839
• Title: Virtual-Alloy Physics-Aware Semantic System for extrapolative prediction of perovskite solar cells
• Title（参考訳）: ペロブスカイト太陽電池の外挿予測のための仮想アロイ物理対応セマンティックシステム
• Abstract要約: ペロブスカイト太陽電池の既存の機械学習モデルは、新しい材料から作られたデバイスを予測するのに苦労している。 ペロブスカイト固体溶液の物理的連続性を中心に構築されたアーキテクチャであるVirtual-Alloy Physics-Aware Semantic System (V-PaSS)を提案する。 V-PaSSは、23ドルの純粋なABX_3$エンドポイント化合物からなる緩和結晶グラフを補間することにより、任意の混合カチオン、混合ハロゲン化物吸収体を表す。
• 参考スコア（独自算出の注目度）: 0.8092815324198175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing machine-learning models for perovskite solar cells struggle to predict devices made from new materials. Most treat device layers as arbitrary categorical labels and represent perovskite absorbers either through featureless composition vectors or through rigid crystal graphs that require a pre-solved unit cell. As a result, they cannot generalize to unrecorded alloys or unfamiliar cell architectures. We present the Virtual-Alloy Physics-Aware Semantic System (V-PaSS), an architecture built around the physical continuity of perovskite solid solutions. V-PaSS represents arbitrary mixed-cation, mixed-halide absorbers by interpolating relaxed crystal graphs of 23 pure $ABX_3$ endpoint compounds via Vegard's law with learned bandgap bowing. For the device stack, it couples layer sequence and cell polarity (n-i-p or p-i-n) with interfacial band offsets and encodes chemical descriptions with a scientific language model. Evaluated under an institution-grouped protocol where test devices come exclusively from unseen laboratories, an untuned default configuration of V-PaSS achieves the lowest error among fourteen tested models (2.861% MAE, a 5.2% relative reduction over a gradient-boosted baseline at 3.017%, and outperforming the best tuned benchmark at 2.912%). V-PaSS pulls furthest ahead where test devices differ most from training: reducing error by 15.7-19.0% on unseen absorber alloys, by 16.1% on mixed absorbers from new laboratories, and widening its lead over the baseline by 3.6$\times$ on devices with unobserved transport layers. Combined with tree ensembles, V-PaSS sets a new state of the art across all five benchmark splits.
• Abstract（参考訳）: ペロブスカイト太陽電池の既存の機械学習モデルは、新しい材料から作られたデバイスを予測するのに苦労している。 デバイス層を任意の分類ラベルとして扱い、ペロブスカイト吸収体を特徴のない合成ベクトルまたは未解決単位細胞を必要とする固い結晶グラフを通して表現する。 結果として、記録されていない合金や不慣れな細胞構造に一般化することはできない。 ペロブスカイト固体溶液の物理的連続性を中心に構築されたアーキテクチャであるVirtual-Alloy Physics-Aware Semantic System (V-PaSS)を提案する。 V-PaSSは、Vegardの法則により23ドルの純粋なABX_3$エンドポイント化合物からなる緩和結晶グラフを学習バンドギャップボーリングで補間することにより、任意の混合カチオン、混合ハロゲン化物吸収体を表す。 デバイススタックでは、層配列と細胞極性(n-i-pまたはp-i-n)と界面バンドオフセットを結合し、化学記述を科学言語モデルでエンコードする。 V-PaSSの未修正のデフォルト設定は、14の試験モデルの中で最も低いエラー(2.861% MAE、勾配ボストベースラインを3.017%で5.2%削減し、2.912%で最高の調整済みベンチマークを上回る)を達成している。 V-PaSSは、試験装置がトレーニングと最も異なる場所で、エラーを15.7-19.0%減らし、新しい実験室からの混合吸収材を16.1%減らし、未観測の輸送層を持つ装置でベースライン上のリードを3.6$\times$に拡大する。 ツリーアンサンブルと組み合わせて、V-PaSSは5つのベンチマークスプリットにまたがって新しい最先端を設定できる。

関連論文リスト

• Beyond DFT electronic band structures via dual-space orbital learning [59.809458339308016]
  O-kRystalは、低コストのPerdew-Burke-Ernzerhof計算を使用するデュアルスペース軌道学習フレームワークである。 O-kRystalは、個々の電子状態に対する高いレベルの補正を結晶運動量とスピンの関数として予測する。 密度の強いブリルアンゾーン予測からHSE06状態の密度を再構築する。
  論文  参考訳（メタデータ） (2026-10-14T10:09:43Z)
• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• Anatomy-Guided Foundation Model Adaptation with Within-Case Prototype Supervision for Standard Plane Detection in Fetal Ultrasound Blind Sweeps [0.0]
  AnatoProtoは、凍結されたBiomedCLIPエンコーダを胎児の盲検に適応するシーケンスレベルのフレームワークである。 ACOUSLIC-AIベンチマークでは、AnatoProtoは67.72のF1テストに到達し、最も強力な基礎モデルベースラインを上回った。
  論文  参考訳（メタデータ） (2026-08-27T12:36:56Z)
• A Decomposable Probe for Few-Step Diffusion Models: Prompt, Latent, and Score Selectivity across Backbone Families and Distillation Paradigms [0.0]
  拡散学生は50～1-8のネットワーク評価からテキスト・ツー・イメージ・推論を減らした。 我々はスカラーを3つの層に沿って制御された摂動を注入する分解可能なプローブで置き換える。 Inception機能に対するブートストラップ中間のBures W22選択率について報告する。
  論文  参考訳（メタデータ） (2026-07-03T12:18:24Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)

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。