Apr, 2023

基于可微分图结构的晶体材料逆向设计模型

PDF
TL;DR为了适应深空环境的恶劣条件，拥有灵活的物理化学性质并随需改变的材料将在定义未来的太空探索中变得至关重要。本文提出了一种基于计算机图形表示的方法来设计具有所需材料属性的结构，该方法使用自动微分来调整晶格元素的几何结构和属性。
space explorationflexible materialslattice geometrycomputational approachmechanical properties
发现论文，激发创造
  • 基于梯度的计算颗粒晶体设计

    基于波动信息处理设备，通过梯度优化设计方法可以扩展多孔材料设计空间并实现机械计算。

    Apr, 2024

  • 基于图卷积神经网络的材料空间分层可视化

    结合高通量计算和机器学习开展的材料设计新范式的研究，开展了通过图卷积神经网络的不同层的表示学习在任意材料空间内分层可视化材料的组成和结构相似性的统一框架，为材料空间探索提供了新技术，该方法可以帮助过渡到自动化材料设计的数据中心探索。

    Jul, 2018

  • 矢量场导向的晶体材料生成扩散模型

    我们提出一种基于几何等变的 GNN 的概率扩散模型，可以同时考虑原子位置和晶格，以发现具有特定化学性质的晶体结构，并通过新的生成度量方法评估模型的有效性。

    Dec, 2023

  • 大规模扩散材料生成

    本研究提出了一个基于 UniMat 的晶体结构生成方法，通过训练扩散概率模型，能够高度还原大规模和复杂化学系统的晶体结构，并且在评估指标上胜过之前基于图结构的方法，同时提出了针对材料的新评估指标，并展示了条件生成在大规模晶体数据集上的可扩展性，优于结构发现的当前方法。

    Oct, 2023

  • 能量守恒的等变图神经网络用于格子构造一致性弹性材料

    通过图神经网络模型，基于骨杈格构造了高阶张量来预测周期性结构的刚度特征，并通过比较错误度量验证了等变性和能量守恒的优点，表明预测性能提高且训练需求减少。

    Jan, 2024

  • 密度驱动机械超材料快速逆向设计的引导扩散

    此论文介绍了一种快速反向设计方法，利用先进的深度生成人工智能算法生成基于体素的机械超材料，该方法能够在仅 3 秒内逼近所指定的均质张量矩阵的分辨率为 $128^3$ 的微结构。该工具对于结构工程或其他机械系统具有灵活和自适应的生成能力，可以激发更多的后续研究。

    Jan, 2024

  • 晶体结构的生成逆设计：基于转换器的扩散模型

    通过训练生成模型来加快科学发现并推动各个科学领域的重大进展，尤其是发现具备良好性能的新型无机材料是一项关键挑战，不同于文本或图像数据，材料，特别是晶体结构，由多种类型的变量组成，包括晶格矢量、原子位置和原子种类，本研究探索一种基于 Transformer 架构的新型扩散模型，用于生成具有所需性质的晶体结构，并证明我们的模型在多样性方面优于先前方法，而我们的实证结果表明，最佳条件方法因数据集而异。

    Jun, 2024

  • 评估生成模型提出的材料的多样性和实用性

    使用物理引导的晶体生成模型（PGCGM）来作为逆向设计过程的一部分，评估生成式机器学习模型如何利用科学建模生成的数据来创造大量的新材料结构。研究发现，PGCGM 的输入空间对参数变化并不平滑，导致了材料优化的困难和局限性；同时，通过一个独立的属性预测模型表明，大部分生成的结构在热力学上是不稳定的，部分原因是由于领域外数据挑战。研究结果为改进生成模型以实现更好的逆向设计提供了建议。

    Aug, 2023

  • LatticeML：一种预测基于高温图形化材料的有效杨氏模量的数据驱动应用

    利用 LatticeML 应用通过机器学习加速高温图形化材料的设计和优化，预测热性能材料的有效弹性模量，并使用 Streamlit 框架创建交互式网页界面

    Apr, 2024

  • 同变图卷积神经网络用于各向同性均质各向异性微结构力学响应的表示

    本研究提供具有异性组分的材料的有效均质化模型的神经网络体系结构，通过等变和张量基础运算，满足等变性和材料对称性原则，展示了在不同纹理和相位的随机体积元数据集上，这些网络体系结构提供了显著的性能改进。

    Apr, 2024