Equivariant Networks for Porous Crystalline Materials

要約

タイトル：Equiariant Networks for Porous Crystalline Materials（多孔質結晶材料のための同変ネットワーク）

要約：

– 多孔性結晶材料の物性を予測することは、第一原理モデルで実行されるシミュレーションが計算的に高価なため、新しい材料の開発のための高スループットスクリーニングプロセスを加速するために大きな可能性がある。
– これらの材料をモデリングするためにディープラーニング手法を効果的に利用するには、結晶に存在する対称性を利用する必要があります。これらは、彼らの空間群によって定義されます。
– 結晶物性予測の既存の方法は、制約が厳しすぎる対称性制約を持っていたり、ユニットセル間の対称性しか組み込まれていなかったりします。さらに、これらのモデルは、結晶の多孔質構造を明示的にモデル化していません。
– この論文では、結晶のユニットセルの対称性をアーキテクチャに組み込み、多孔質構造を明示的にモデル化するモデルを開発しました。
– 私たちは、モルデナイトゼオライトの異なる構成のCO2の吸着熱を予測することによって、私たちのモデルを評価しました。結果は、私たちの方法が結晶物性予測の既存の方法よりも優れており、多孔質を含むことがより効率的なモデルになることを確認しました。

要約(オリジナル)

Efficiently predicting properties of porous crystalline materials has great potential to accelerate the high throughput screening process for developing new materials, as simulations carried out using first principles model are often computationally expensive. To effectively make use of Deep Learning methods to model these materials, we need to utilize the symmetries present in the crystals, which are defined by their space group. Existing methods for crystal property prediction either have symmetry constraints that are too restrictive or only incorporate symmetries between unit cells. In addition, these models do not explicitly model the porous structure of the crystal. In this paper, we develop a model which incorporates the symmetries of the unit cell of a crystal in its architecture and explicitly models the porous structure. We evaluate our model by predicting the heat of adsorption of CO$_2$ for different configurations of the mordenite zeolite. Our results confirm that our method performs better than existing methods for crystal property prediction and that the inclusion of pores results in a more efficient model.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI