Score-based denoising for atomic structure identification

要約

タイトル: 原子構造の識別のためのスコアベースの除去法

要約:
– 結晶物質の原子シミュレーションにおける複雑なダイナミクスの解析を困難にする熱振動を除去するための効果的な方法を提案する。
– ダイノイズスコア関数を合成的なノイズが加わった完全な結晶格子にトレーニングして、原子位置の熱ノイズまたは摂動を反復的に引き算する方法を提案する。
– デノイズ処理された構造は、結晶の秩序性を明確に示し、結晶欠陥に関連する不規則な挙動も保持することができる。
– 相互原子間のポテンシャルにとらわれず純粋に幾何学的なアプローチにより、明示的なシミュレーションからの入力を必要とせず、様々な原子間相互作用から生成されたシミュレーションデータに適用可能なデノイザを開発した。
– デノイザは一般的で堅牢であり、一連の原子構造解析手法である共通近接分析と多面体テンプレートマッチングを改善することができる。さらに、デノイザにより、熱的摂動が加わった構造を含む新しいベンチマークデータセットにおいて、完璧な分類精度を達成した。
– このデノイザは、構造的かつ化学的に複雑な材料において、秩序と不規則性を区別するために広範に適用可能であり、汎用性が高く拡張性があることが示された。

要約(オリジナル)

We propose an effective method for removing thermal vibrations that complicate the task of analyzing complex dynamics in atomistic simulation of condensed matter. Our method iteratively subtracts thermal noises or perturbations in atomic positions using a denoising score function trained on synthetically noised but otherwise perfect crystal lattices. The resulting denoised structures clearly reveal underlying crystal order while retaining disorder associated with crystal defects. Purely geometric, agnostic to interatomic potentials, and trained without inputs from explicit simulations, our denoiser can be applied to simulation data generated from vastly different interatomic interactions. The denoiser is shown to improve existing classification methods such as common neighbor analysis and polyhedral template matching, reaching perfect classification accuracy on a recent benchmark dataset of thermally perturbed structures up to the melting point. Demonstrated here in a wide variety of atomistic simulation contexts, the denoiser is general, robust, and readily extendable to delineate order from disorder in structurally and chemically complex materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI