論文の概要: CrystalAR: Autoregressive Modeling for Symmetric Crystal Generation

• arxiv url: http://arxiv.org/abs/2610.27762v1
• Date: Tue, 20 Oct 2026 07:26:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.696944
• Title: CrystalAR: Autoregressive Modeling for Symmetric Crystal Generation
• Title（参考訳）: CrystalAR:対称性結晶生成のための自己回帰モデリング
• Abstract要約: 本稿では,Wyckoff対称性テンプレートと完全結晶構造を1つの生成配列でモデル化する統合自己回帰フレームワークであるCrystalARを提案する。 クリスタルARは、競合するデノボ生成性能とテンプレートフリーの結晶構造予測精度を達成しつつ、強い対称性・テンプレート生成能力を維持している。
• 参考スコア（独自算出の注目度）: 20.257916415803347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep generative modeling has achieved remarkable progress in crystal generation. Given the rich symmetries inherent in crystalline structures, recent work has sought to explicitly incorporate space-group symmetry into generative models, enabling more effective exploration of novel symmetry templates. Yet introducing symmetry templates increases the combinatorial complexity of stoichiometric relationships between atomic species and crystallographic sites, while creating a fundamental tension between flexible exploration of discrete crystallographic templates and faithful realization of these templates as continuous three-dimensional structures. To address these challenges, we propose CrystalAR, a unified autoregressive framework that models Wyckoff symmetry templates and complete crystal structures within a single generative sequence. Specifically, CrystalAR reformulates continuous coordinate generation as a symmetry-conditioned hierarchy of discrete spatial localization decisions, autoregressively refining the positions of all symmetry-inequivalent sites across resolution levels while jointly modeling their spatial configuration within each level. This discrete hierarchical formulation further enables constraint-aware search over both crystallographic templates and geometric realizations. As a result, CrystalAR retains strong symmetry-template generation capability while achieving competitive de novo generation performance and template-free crystal structure prediction (CSP) accuracy. These results suggest that symmetry-template generation can be retained alongside broadly competitive de novo generation performance and competitive CSP without reliance on symmetry templates retrieved from prior data, providing a promising alternative paradigm for symmetry-preserving crystal generation.
• Abstract（参考訳）: 深部生成モデリングは結晶生成において顕著な進歩を遂げた。 結晶構造に固有の豊富な対称性を考えると、最近の研究は空間群対称性を生成モデルに明示的に組み入れ、新しい対称性テンプレートのより効率的な探索を可能にしている。 しかし、対称性テンプレートの導入は、原子種と結晶サイトの間の化学量的関係の組合せ複雑性を増し、離散結晶テンプレートのフレキシブルな探索と連続した3次元構造としてのこれらのテンプレートの忠実な実現の間に根本的な緊張を生み出す。 これらの課題に対処するために,Wyckoff対称性テンプレートと完全結晶構造を1つの生成配列でモデル化する統合自己回帰フレームワークであるCrystalARを提案する。 具体的には、CrystalARは、離散的な空間局在決定の対称性条件付き階層として連続座標生成を再構成し、各レベル内の空間構成を共同でモデル化しながら、すべての対称性等価部位の位置を自己回帰的に精製する。 この離散階層的定式化により、結晶テンプレートと幾何学的実現の両方に対する制約認識探索が可能になる。 その結果、CrystalARは、競合するデノボ生成性能とテンプレートフリー結晶構造予測(CSP)精度を達成しつつ、強い対称性・テンプレート生成能力を維持している。 これらの結果から, 先行データから得られる対称性テンプレートに依存することなく, 広く競合するデノボ生成性能と競合するCSPとともに対称性テンプレート生成を維持できることが示唆された。

関連論文リスト

• Symmetry-Breaking De Novo Crystal Generation via Markovian Jump Diffusion [50.136954476803766]
  低対称性の先行概念から逆転することで、完全な構造仕様を生成する新しい拡散ベースのフレームワークを提案する。 emphSymmetry-breaking Crystal Diffusion (SbCD) と呼ばれる我々のモデルは、空間群間遷移を生成過程に明示的に組み込むための原則的アプローチを導入している。 MP20とMPTS-52のデ・ノボ生成実験では、SbCDは対称性保存法よりもかなり優れていた。
  論文  参考訳（メタデータ） (2026-08-13T16:41:48Z)
• DynaCrys: Crystal Generation with Dynamic Space-Group Diffusion [5.921382963861245]
  我々はDynaCrysを紹介した。DynaCrysは、空間群がワイコフの職業や要素と共進化する結晶の生成モデルである。 2つの独立緩和・評価エンジンを用いた大規模評価において、DynaCrysは安定・一意・新規な結晶の対称性を意識した発見におけるクラス内最高の性能を示した。
  論文  参考訳（メタデータ） (2026-08-07T16:45:51Z)
• Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning [58.130498928480456]
  本稿では, トポロジ保存型テッセルレーションプロセスとして, 点雲生成を再構成する自己回帰フレームワークであるPointRSPを提案する。 PointRSPは、複雑な3Dトポロジーをまたいだ強力な一般化を証明し、世代品質と多様性の最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-03T16:11:43Z)
• Universal Fine-Grained Symmetry Inference and Enforcement for Rigorous Crystal Structure Prediction [3.5802790319269717]
  結晶構造予測(CSP)は、結晶の3次元原子配置をその組成から予測することを目的としている。 既存のディープラーニングモデルは、しばしば、ソフトまたはスペースグループと既知の構造から取得されたウィコフテンプレートにのみ依存する結晶対称性を扱う。 対照的に,本手法は大規模言語モデルを用いて化学意味論を符号化し,Wyckoffパターンを合成から直接生成する。
  論文  参考訳（メタデータ） (2026-02-19T08:43:25Z)
• WyckoffDiff -- A Generative Diffusion Model for Crystal Symmetry [10.980666029958932]
  本稿では,結晶の対称性に基づく記述を生成する生成モデルWyckoff Diffusionを提案する。 構成による対称性の尊重に加えて、我々のモデルの離散的性質は高速な生成を可能にする。 概念実証研究として、WyckoffDiff を用いて熱力学的安定性の凸殻の下にある新しい物質を探索する。
  論文  参考訳（メタデータ） (2025-02-10T14:04:23Z)
• Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
  新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。 既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。 本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-11-06T23:53:34Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。 材料の生成モデルを評価するための追加指標を提案する。
  論文  参考訳（メタデータ） (2023-10-18T15:49:39Z)
• Data-Driven Score-Based Models for Generating Stable Structures with Adaptive Crystal Cells [1.515687944002438]
  本研究は, 化学安定性や化学組成など, 新しい結晶構造を創出することを目的としている。 提案手法の新規性は、結晶細胞の格子が固定されていないという事実にある。 対称性の制約を尊重し、計算上の優位性をもたらす多グラフ結晶表現が導入された。
  論文  参考訳（メタデータ） (2023-10-16T02:53:24Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)

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。