機械学習に基づく要素置換による結晶構造予測【JST・京大機械翻訳】

Kusaba Minoru; Liu Chang; Yoshida Ryo

プレプリント

J-GLOBAL ID：202202209921028815 整理番号：22P0280348

機械学習に基づく要素置換による結晶構造予測【JST・京大機械翻訳】

Crystal structure prediction with machine learning-based element substitution

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年05月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

与えられた化学組成により形成されたエネルギー的に安定な結晶構造の予測は,固体状態物理学における中心問題である。原理的に,集合原子の結晶状態は,エネルギー表面を最適化することによって決定することができ,次に,第一原理計算を用いて評価することができる。しかし,第一原理計算を用いてポテンシャルエネルギー面の反復勾配降下を行うことは,単位格子あたり多くの原子を持つもののような複雑な系に対して,非常に高価である。ここでは,メトリック学習と呼ばれる機械学習アルゴリズムに依存する結晶構造予測(CSP)のためのユニークな方法論を提示した。多数の既に同定された結晶構造で訓練された2成分分類器は,約96.4%の精度で2つの与えられた化学組成により形成される結晶構造の同形写像を決定できることを示した。未知の結晶構造を持つ与えられた問い合わせ組成に対して,モデルを用い,元素置換が適用されるほぼ同一の安定な構造を有するテンプレート結晶のセットを結晶構造データベースから自動的に選択した。同定されたテンプレートの局所緩和計算とは別に,提案した方法はab initio計算を利用しなかった。この変電所ベースのCSPの可能性を,多様な結晶系に対して実証した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

結晶学一般

, , , ,

前のページに戻る