Materials Project– tag –

Scilight Press 不明 概要 Scilight Pressが、材料科学における大規模言語モデル（LLM）エージェントと既存データベースの統合を目的とした新しいフレームワーク「Harness」を提案しました。このフレームワークは、LLMエージェントからの提案を、Materials...

EurekAlert! シンガポール 概要 シンガポール国立大学（NUS）のProf. Ongが、「AIファウンドリ」を構築し、材料発見を予測、実験、学習の継続的なサイクルで変革するMaterialyze.AI Labを主導しています。Materials Projectの創設開発者であり、pymatgenの...

Facebook (MIT DMSE) アメリカ 概要 Google DeepMindのGNoMEとMicrosoftのMatterGenを含む生成AIモデルが、新規材料の組み合わせを提案し、その安定性を予測することで材料発見を著しく加速しています。GNoMEは数百万もの安定した結晶構造を予測し、その一...

Facebook (DeepMind) イギリス 概要 Google DeepMindのAIツール「GNoME」が、220万の新しい無機結晶を発見し、材料科学の進展を800年分加速させたと報告されています。GNoMEは既存の材料プロジェクトから学習したAIモデルを活用し、新材料の安定性を予測す...

ACS Publications アメリカ 概要 ACS Publicationsの論文が、ユニバーサル機械学習原子間ポテンシャル（MLIPs）が原子シミュレーションの汎用ツールとして急速に普及しているものの、反応性事象を含む定量的な材料モデリングにおける役割はまだ確立されて...

ACS Chemistry of Materials アメリカ 概要 本研究は、ユニバーサル機械学習原子間ポテンシャル（UMLIPs）と高度な原子間力定数（FC）ベースの次元分類方法を組み合わせて、Materials Projectデータベースから大量の新しい低次元材料を発見しました。35,68...

Northwestern University (Paula M. Trienens Institute For Sustainability And Energy) アメリカ 概要 ノースウェスタン大学のWei Chen教授の研究グループは、カテゴリー選択（元素、結晶構造など）を数値表現に変換して材料性能を予測する機械学習モデ...

arXiv アメリカ 概要 arXivにて、AIモデルによって生成された無機結晶の構造的新規性を評価するための新しいワークフローが発表されました。この研究は、AI生成結晶が重複しているか、元素置換によって再現可能か、真に新規であるかを判断するものです。結...

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...

The Journal of Physical Chemistry Letters アメリカ 概要 AtomGPT.orgは、オープンソースの大規模言語モデル（LLMs）と科学ツール・データベースを統合した、オープンアクセス型のエージェントAIプラットフォーム「AGAPI-Agents」を発表しました。このプ...

Clean Energy | Oxford Academic 国際 概要 新しいデータ効率の良いファインチューニングフレームワーク「DP-EVA」が導入されました。これは、大規模な原子モデルの事前学習済み知識を最大限に活用し、ドメイン固有の機械学習原子間ポテンシャル（MLIPs）...