ディープラーニング– tag –

Cypris AI アメリカ 概要 Cypris AIは、生成モデル、グラフニューラルネットワーク（GNN）、自律型ラボの統合により、材料研究開発（R&D）のタイムラインが従来の10～20年から1～2年に劇的に短縮されていると報告しました。新しいCT-GNNやSA-GNNアーキ...

Department of Energy アメリカ 概要 米国エネルギー省（DOE）は、基盤モデル、ディープラーニング、生成AI、エージェントAIを統合した物理学認識AIフレームワークを活用し、材料の逆設計を加速する戦略を発表しました。この取り組みは、材料の予測、合成...

ACS Publications (Journal of Chemical Information and Modeling) 概要 研究者らは、機械学習原子間ポテンシャル（MLIP）由来のエネルギー記述子を事前学習済みCrystal Hamiltonian Graph Neural Network (CHGNet) 潜在埋め込みと統合する「エネルギー的...

IntechOpen クロアチア 概要 このレビュー章は、組織工学における生体材料設計にAI（機械学習、ディープラーニング、生成モデルを含む）がもたらす革新的な応用を包括的に概説しています。AIは、従来の経験的かつ試行錯誤的なアプローチの限界を克服し、材...

arXiv Global 概要 arXivにプレプリントとして発表された研究は、生体分子システム向けに高い転送性を持つ暗黙的溶媒機械学習ポテンシャル（MLP）「TWIN（Transferable Water Implicit Network）」を提示しています。TWINはEquivariant Graph Neural Netwo...

Oxford Academic 国際 概要 DeepMesoフレームワーク、特に強誘電体材料向けのDeepFerroが、メゾスコピックな不均一材料の合理的設計における既存の課題を解決するために導入されました。この革新的なモデルは、材料特性の順方向予測とオンデマンドでの逆設...

Edinburgh Research Explorer イギリス 概要 エディンバラ大学の研究者らは、化学的に複雑な固溶体結晶の物性予測精度を大幅に向上させる「Solid Solution Nested Graph Neural Network (SSNGNN)」を開発しました。SSNGNNは、組成情報と構造情報をネスト型...

Hugging Face アメリカ 概要 Hugging Faceは、CrystalCLRフレームワークとCHGNet機械学習原子間ポテンシャルの発表を通じて、材料特性予測の新たな進歩を強調しました。CrystalCLRは結晶グラフニューラルネットワークを用いたコントラスティブ学習により材...

Department of Energy アメリカ 概要 米国エネルギー省（DOE）は、ファウンデーションモデル、ディープラーニング、生成AI、エージェントAIを統合した「物理学認識型AIフレームワーク」を開発し、材料設計の能力を飛躍的に向上させています。この革新的な...

arXiv 不明 概要 arXivに公開された論文が、ポリマーの原子シミュレーションと機械学習（ML）駆動型設計のための統一Pythonフレームワーク「PolyGraphPy」を導入しました。このオープンソースフレームワークは、原子シミュレーションと機械学習をシームレ...

Lab Manager 韓国 概要 基礎科学研究所の研究チームが、伝統的な機械学習モデルの材料領域の制約を打破するため、「Crossbreeding Neural Network（CBNN）」と呼ばれる深層学習モデルを開発しました。このモデルは、炭素材料に支持された単原子触媒とペロ...