MEIDNet: マルチモーダル生成AIによる材料の逆設計フレームワーク
TL;DRMEIDNetは、材料の構造情報と特性を対照学習で共同学習するマルチモーダルな逆設計フレームワークである。等変グラフニューラルネットワーク（EGNN）を用いて構造をエンコードし、生成的な逆設計と組み合わせることで、目標特性を満たす材料の探索を加速させる。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
AI時代における持続可能な材料探索
TL;DRAIを用いた材料探索は性能を優先し、環境負荷の評価が後回しになる傾向がある。本論文は、原子レベルの設計とライフサイクルアセスメント（LCA）を統合した「ML-LCA」フレームワークを提案する。データ抽出や多目的最適化を通じて、性能と持続可能性を同時に追求し、設計段階から環境に配慮した材料開発の実現を目指す。
AI時代における持続可能な材料探索：ML-LCA統合フレームワークの提案
TL;DR現在のAIを用いた材料探索は性能を優先し、環境負荷の評価が後回しになるため非効率である。本論文は、機械学習とライフサイクルアセスメント（LCA）を統合した「ML-LCA」環境を提案する。原子レベルの設計と産業規模の環境影響を同時に最適化することで、偶然ではなく設計段階から持続可能な材料の発見を目指す。
C2NP：3D材料生成におけるスケール依存の幾何学的不変性を学習するためのベンチマーク
TL;DR材料生成AIモデルが、無限に周期的なバルク結晶から有限サイズのナノ粒子への「スケール移行」に対応できるかを評価する新ベンチマーク「C2NP」が提案されました。17万以上のナノ粒子構成を用いた実験により、既存の拡散モデルやフローマッチングモデルは物理的な一般化ではなく、単なるテンプレートの暗記に依存している傾向が示唆されました。
ペロブスカイト太陽光発電のための自律型リビングデータベース
TL;DR手動によるデータキュレーションの限界を克服するため、大規模言語モデルと物理認識検証を統合した自律型データベース「PERLA」が開発されました。2021年以降のペロブスカイト太陽電池に関する文献からデバイスデータを自動抽出し、90%以上の精度でデータベースを更新し続けることで、最新の研究動向をリアルタイムで可視化します。
保存済みの記事がまだありません。
読み込み中…