タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
Google DeepMindがAIツールを使って220万種類の新しい結晶構造を発見、これまで発見されてきた数の45倍以上
GoogleのAI研究部門であるGoogle DeepMindが、「GNoME」と呼ばれるAIツールを使って理論的には安定しているものの実験的には実現されていない新しい結晶構造を220万種類も発見しました。220万種類という数字は、これまで発見された結晶構造の45倍以上にもおよびます。 Scaling deep learning for materials discovery | Nature https://www.nature.com/articles/s41586-023-06735-9 Millions of new materials discovered with deep learning - Google DeepMind https://deepmind.google/discover/blog/millions-of-new-materials-discovered-w
Google DeepMindによる「AIを使って220万種類の新しい結晶構造を発見した」という主張に研究者が異議を唱える
GoogleのAI研究部門であるGoogle DeepMindは、「GNoME」と呼ばれるAIツールを使って、「理論的には安定しているものの実験的には実現されていない新しい結晶構造」を220万種発見したことを発表しました。しかし、複数の研究者がGoogle DeepMindの発表した新しい結晶構造を分析した上で、「既知の物質を過度に拡大解釈したものがほとんどで、驚くほど新しいと言える化合物では含まれていない」と反論しています。 Artificial Intelligence Driving Materials Discovery? Perspective on the Article: Scaling Deep Learning for Materials Discovery | Chemistry of Materials https://pubs.acs.org/doi/10.1021
結晶構造解析の難しさ 物質・材料の機能と性質の多くは、結晶構造（原子の並び方）によって決定されます。例として、ダイヤモンドと黒鉛はいずれも炭素原子からなる物質ですが、結晶構造が異なるため、見た目や硬さ、電気伝導性など、その物性は大きく異なっています。このように結晶構造を知ることは物質・材料研究の出発点であり、結晶構造の詳細な解析はさまざまな物理現象の理解や高機能な材料の開発につながります。 結晶構造を知るためにはいくつかの手段がありますが、最も普及しているのはX線を利用した手法です。物質にX線を照射すると、X線は物質を構成する原子の周りにある電子により散乱されます。原子や分子が規則的に並んだ物質（結晶）の場合、散乱されたX線は原子や分子の並び方（結晶構造）に応じて回折パターンと呼ばれる独特な強度分布を示します。この現象を利用して結晶構造を調べることができます。 X線回折（XRD）は、ひとつ
Optuna™は、オープンソースのハイパーパラメーター自動最適化フレームワークです。「Optuna Meetup #1」では、Optunaのユーザー、導入を検討している方、また開発者を中心に、Optunaの様々な活用方法が共有されました。鈴木氏は、物質の結晶構造の解析におけるOptunaの活用について発表しました。全2回。後半は、Optunaを採用した理由と検証の結果について。前回はこちら 鈴木雄太氏（以下、鈴木）：具体的なコードの一例を示したいと思います。ちなみにこのコードは公開しているので、もしよかったら見てみてください。Optuna Examplesからもリンクを貼ってもらっています。 このObjectiveの中ですが、マシンラーニングを見慣れない方は、マシンラーニングのハイパーパラメーターも見慣れない感じかと思います。 例えば、シグナルのバックグラウンドの下に、シグナルとは別に信号
HattoriM on Twitter: "これは物凄いスピード！中国科学院と上海科技大学らの研究チームが新型コロナウイルスMpro蛋白の結晶構造を既に決定し、構造に基づくvirtual screening及び酵素活性測定により30種の既知化合物に対し阻害活性を同定と発表。… https://t.co/FIx58WOKNl"
これは物凄いスピード！中国科学院と上海科技大学らの研究チームが新型コロナウイルスMpro蛋白の結晶構造を既に決定し、構造に基づくvirtual screening及び酵素活性測定により30種の既知化合物に対し阻害活性を同定と発表。… https://t.co/FIx58WOKNl
jupyterlabのバージョンは3以上にしてください。2だと追加でextensionをインストールする必要があります。 結晶構造を可視化してみる jupyterlabで以下を実行することで、簡単に可視化可能です。 from crystal_toolkit.renderables import StructureGraph from pymatgen.analysis.local_env import MinimumDistanceNN from pymatgen.core import Structure struct = Structure.from_file("ZnO.cif") env = MinimumDistanceNN() graph = StructureGraph.with_local_env_strategy(struct, env) graph
京都大学の松本憲志特定助教と寺西利治教授らは、新しい結晶構造「Ｚ３」の合金を開発した。パラジウムと鉄原子が層状に並ぶ。通常は３次元的に等方的に並ぶが、Ｚ３構造では２次元的な構造をとる。これを元素同士が固溶できるかという元素間相溶性で制御する。構造によって磁気特性が２０倍向上した。 パラジウムと鉄、インジウムの３元素を混ぜて合金を作製した。パラジウムと鉄、パラジウムとインジウムはお互いに固溶するが、鉄とインジウムが固溶しない。 するとパラジウムと鉄が離れて存在する構造が安定となる。インジウムをパラジウムが包み、パラジウム・インジウムの層と鉄の層が交互に並ぶ配置となった。 このＺ３構造は前例がない。Ｚ３構造になることで磁気特性が２０倍になった。インジウムは磁性には関係せず、構造由来の特性が得られた。
ポイント 従来の単結晶構造解析は、試料の選別や、高精度の解析結果を効率良く得るための計測条件を、熟練の研究者の「勘と経験」で決定していた。 統計解析技術の１つである「ベイズ推論」を用いることで、選別した試料から得られる単結晶構造解析結果や、設定した計測条件で得られるデータの質の事前評価ができる技術を開発した。 経験が少ない研究者でも試料の選別や計測条件の決定を再現することができ、また、解析に必要な実験をコンピューターが判断し実行する技術開発への応用も期待される。 ＪＳＴ 戦略的創造研究推進事業において、ＪＳＴの星野 学 さきがけ専任研究者（理化学研究所 創発物性科学研究センター 物質評価支援チーム 研究員）らは、数時間から数日かけて得る単結晶構造解析結果を、数分で計測した予備的なデータから事前評価ができる技術を開発しました。 単結晶構造解析は、単結晶試料にＸ線を照射して数千から数万個のデー
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ブラックボックス最適化と結晶構造解析の出会い – 機械学習で材料科学の新たな発見を導く
理研・東大などが、熟練研究者の「勘と経験」をコンピュータで再現。単結晶構造解析を高速化
人間が見つけられなかった新しい結晶構造も発見 Optunaによるリートベルト解析自動化で得られたもの
結晶構造をjupyterlabでインタラクティブに可視化する - Qiita
磁気特性20倍、京大が開発した新しい結晶構造のスゴい合金 ニュースイッチ by 日刊工業新聞社
共同発表：熟練の研究者の「勘と経験」を誰でも簡単に再現～たった数分で単結晶構造解析の結果の事前評価が可能に～
yurarilog.com
maminxx.hatenablog.com
weekly.ascii.jp
weekly.ascii.jp
www.asahi.com
www.chugoku-np.co.jp