Zeoformer: Coarse-Grained Periodic Graph Transformer for OSDA-Zeolite Affinity Prediction

要約

現在までに、国際ゼオライト協会構造委員会 (IZA-SC) は 255 種類のゼオライト構造のみをカタログ化しており、理論的に考えられる数百万の構造はまだ発見されていません。
特定のゼオライトの選択性は主に OSDA とゼオライト間の親和性によって決まるため、特定のゼオライトの合成には通常、有機構造指向剤 (OSDA) の使用が必要です。
したがって、最適な親和性 OSDA とゼオライトのペアを見つけることが、目的のゼオライトを合成する鍵となります。
しかし、OSDA とゼオライトのペアは、複雑な幾何学的構造、つまり多数の原子によって形成される複雑な結晶構造を示すことがよくあります。
既存の機械学習手法の中には結晶の周期性を表現できるものもありますが、局所的なばらつきのある結晶構造を正確に表現することはできません。
この問題に対処するために、我々は、粗粒の結晶周期性と細粒の局所変動を効果的に表現できる、Zeoformer と呼ばれる新しいアプローチを提案します。
Zeoformer は、各原子を中心とした単位セルを再構築し、この中心の原子と再構築された単位セル内の他の原子の間のペアごとの距離をエンコードします。
再構成された単位セル内にペアごとの距離を導入すると、単位セルの全体構造と異なる単位セル間の差異がより効果的に表現され、モデルで OSDA ゼオライト ペアの特性と一般的な結晶構造をより正確かつ効率的に予測できるようになります。
総合的な評価を通じて、当社の Zeoformer モデルは、OSDA とゼオライトのペアのデータセットと 2 種類の結晶材料のデータセットで最高のパフォーマンスを示します。

要約(オリジナル)

To date, the International Zeolite Association Structure Commission (IZA-SC) has cataloged merely 255 distinct zeolite structures, with millions of theoretically possible structures yet to be discovered. The synthesis of a specific zeolite typically necessitates the use of an organic structure-directing agent (OSDA), since the selectivity for a particular zeolite is largely determined by the affinity between the OSDA and the zeolite. Therefore, finding the best affinity OSDA-zeolite pair is the key to the synthesis of targeted zeolite. However, OSDA-zeolite pairs frequently exhibit complex geometric structures, i.e., a complex crystal structure formed by a large number of atoms. Although some existing machine learning methods can represent the periodicity of crystals, they cannot accurately represent crystal structures with local variability. To address this issue, we propose a novel approach called Zeoformer, which can effectively represent coarse-grained crystal periodicity and fine-grained local variability. Zeoformer reconstructs the unit cell centered around each atom and encodes the pairwise distances between this central atom and other atoms within the reconstructed unit cell. The introduction of pairwise distances within the reconstructed unit cell more effectively represents the overall structure of the unit cell and the differences between different unit cells, enabling the model to more accurately and efficiently predict the properties of OSDA-zeolite pairs and general crystal structures. Through comprehensive evaluation, our Zeoformer model demonstrates the best performance on OSDA-zeolite pair datasets and two types of crystal material datasets.

arxiv情報

著者 Xiangxiang Shen,Zheng Wan,Lingfeng Wen,Licheng Sun,Ou Yang Ming Jie,Xuan Tang,Xian Zeng,Mingsong Chen,Xiao He,Xian Wei
発行日 2024-08-26 02:42:23+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cond-mat.mtrl-sci, cs.AI パーマリンク