JP7392203B2 - 訓練装置、訓練方法、プログラム及び推論装置 - Google Patents
訓練装置、訓練方法、プログラム及び推論装置 Download PDFInfo
- Publication number
- JP7392203B2 JP7392203B2 JP2023524992A JP2023524992A JP7392203B2 JP 7392203 B2 JP7392203 B2 JP 7392203B2 JP 2023524992 A JP2023524992 A JP 2023524992A JP 2023524992 A JP2023524992 A JP 2023524992A JP 7392203 B2 JP7392203 B2 JP 7392203B2
- Authority
- JP
- Japan
- Prior art keywords
- atomic structure
- training
- energy
- target model
- training target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012549 training Methods 0.000 title claims description 188
- 238000000034 method Methods 0.000 title claims description 32
- 238000001179 sorption measurement Methods 0.000 claims description 45
- 238000003775 Density Functional Theory Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 24
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 238000003970 interatomic potential Methods 0.000 claims description 6
- 238000003077 quantum chemistry computational method Methods 0.000 claims description 6
- 238000003078 Hartree-Fock method Methods 0.000 claims description 2
- 125000004429 atom Chemical group 0.000 description 44
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Substances [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 24
- 238000012545 processing Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 230000000737 periodic effect Effects 0.000 description 17
- 230000014509 gene expression Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- 238000000547 structure data Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000013078 crystal Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229910052697 platinum Inorganic materials 0.000 description 3
- 238000005381 potential energy Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 229910001338 liquidmetal Inorganic materials 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 238000000329 molecular dynamics simulation Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図5は、一実施形態に係る推論装置1を模式的に示すブロック図である。推論装置1は、入力部100と、記憶部102と、構造最適化部104と、推論部106と、エネルギー演算部108と、出力部110と、を備える。推論装置1は、訓練済みモデルNN1をもちいて、例えば吸着エネルギーを推論する。
次に、上記の推論装置1においてエネルギーの推論に用いられる訓練済みモデルNN1を訓練するための訓練装置について説明する。
上記のように訓練された訓練済みモデルNN1によれば、精度の高い吸着エネルギーを推論することができるが、この精度をさらに向上させることも可能である。
Claims (24)
1又は複数のプロセッサと、
を備え、
前記1又は複数のプロセッサは、
表面及び当該表面に近接した吸着分子を含む第1原子構造を訓練対象モデルに入力して当該訓練対象モデルから出力される前記第1原子構造のエネルギーと、前記第1原子構造のエネルギーの正解値と、に基づいて第1誤差を取得し、
クラスタ及び当該クラスタに近接した吸着分子を含む第4原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第4原子構造のエネルギーと、前記第4原子構造のエネルギーの正解値と、に基づいて第4誤差を取得し、
少なくとも前記第1誤差及び前記第4誤差に基づいて、当該第1誤差及び当該第4誤差のそれぞれを減らすように前記訓練対象モデルのパラメータを更新して前記訓練対象モデルを訓練し、
前記表面および前記クラスタは、同一原子を含む、
訓練装置。
請求項1に記載の訓練装置。
吸着分子の第2原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第2原子構造のエネルギーと、前記第2原子構造のエネルギーの正解値と、に基づいて第2誤差を取得し、
前記第2誤差に基づいて、前記訓練対象モデルのパラメータを更新する、
請求項1に記載の訓練装置。
前記表面の第3原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第3原子構造のエネルギーと、前記第3原子構造のエネルギーの正解値と、に基づいて第3誤差を取得し、
前記第3誤差に基づいて、前記訓練対象モデルのパラメータを更新する、
請求項1に記載の訓練装置。
前記クラスタに関する第5原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力されるエネルギーと、前記第5原子構造のエネルギーの正解値と、に基づいて第5誤差を取得し、
前記第5誤差に基づいて、前記訓練対象モデルのパラメータを更新する、
請求項1に記載の訓練装置。
原子構造について、前記訓練対象モデルから出力された当該原子構造のエネルギーと、当該原子構造のエネルギーの正解値と、の差を、当該原子構造に含まれる原子数又は原子数の2乗で除算して誤差を算出する、
請求項1に記載の訓練装置。
請求項1に記載の訓練装置。
請求項7に記載の訓練装置。
請求項8に記載の訓練装置。
請求項1に記載の訓練装置。
1又は複数のプロセッサにより、
表面及び当該表面に近接した吸着分子を含む第1原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第1原子構造のエネルギーと、前記第1原子構造のエネルギーの正解値と、に基づいて第1誤差を取得する工程と、
クラスタ及び当該クラスタに近接した吸着分子を含む第4原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第4原子構造のエネルギーと、前記第4原子構造のエネルギーの正解値と、に基づいて第4誤差を取得する工程と、
少なくとも前記第1誤差及び前記第4誤差に基づいて、当該第1誤差及び当該第4誤差のそれぞれを減らすように前記訓練対象モデルのパラメータを更新して前記訓練対象モデルを訓練する工程と、
を有し、
前記表面および前記クラスタは、同一原子を含む、
方法。
クラスタ及び当該クラスタに近接した吸着分子を含む第4原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される前記第4原子構造のエネルギーと、前記第4原子構造のエネルギーの正解値と、に基づいて第4誤差を取得する工程と、
少なくとも前記第1誤差及び前記第4誤差に基づいて、当該第1誤差及び当該第4誤差のそれぞれを減らすように前記訓練対象モデルのパラメータを更新して前記訓練対象モデルを訓練する工程と、
を有する方法であって、
前記表面および前記クラスタは、同一原子を含む、前記方法を、1又は複数のプロセッサに実行させるためのプログラム。
1又は複数のプロセッサと、
を備え、
前記1又は複数のプロセッサは、
入力された原子構造のエネルギーを出力する訓練済みモデルに、表面及び当該表面に近接した吸着分子を含む第1原子構造、前記吸着分子の第2原子構造、前記表面の第3原子構造のそれぞれを入力し、
前記吸着分子の前記表面に対する吸着エネルギーは、前記訓練済みモデルから出力される、前記第1原子構造、前記第2原子構造、前記第3原子構造のそれぞれのエネルギーに基づいて計算され、
前記訓練済みモデルは、
表面及び当該表面に近接した吸着分子を含む原子構造を訓練対象モデルに入力して当該訓練対象モデルから出力される当該原子構造のエネルギーと、当該原子構造のエネルギーの正解値と、に基づいて誤差を取得する工程と、クラスタ及び当該クラスタに近接した吸着分子を含む原子構造を前記訓練対象モデルに入力して当該訓練対象モデルから出力される当該原子構造のエネルギーと、当該原子構造のエネルギーの正解値と、に基づいて誤差を取得する工程と、少なくとも当該2つの誤差に基づいて、当該2つの誤差のそれぞれを減らすように前記訓練対象モデルのパラメータを更新して前記訓練対象モデルを訓練する工程と、を有し、当該表面および当該クラスタは、同一原子を含む、方法によって訓練された当該訓練対象モデルである、
推論装置。
請求項16に記載の推論装置。
前記1又は複数のプロセッサは、
前記訓練済みモデルに、前記第1原子構造を入力して計算した力に基づいて、前記第1原子構造を最適化し、
前記吸着エネルギーの計算のために、前記訓練済みモデルに、最適化した前記第1原子構造を入力する、
請求項16に記載の推論装置。
前記第1原子構造の最適化を繰り返し実行する、
請求項18に記載の推論装置。
請求項16に記載の推論装置。
請求項16に記載の推論装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021098304 | 2021-06-11 | ||
JP2021098304 | 2021-06-11 | ||
PCT/JP2022/023523 WO2022260179A1 (ja) | 2021-06-11 | 2022-06-10 | 訓練装置、訓練方法、プログラム及び推論装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022260179A1 JPWO2022260179A1 (ja) | 2022-12-15 |
JPWO2022260179A5 JPWO2022260179A5 (ja) | 2023-06-16 |
JP7392203B2 true JP7392203B2 (ja) | 2023-12-05 |
Family
ID=84424563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023524992A Active JP7392203B2 (ja) | 2021-06-11 | 2022-06-10 | 訓練装置、訓練方法、プログラム及び推論装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240127121A1 (ja) |
JP (1) | JP7392203B2 (ja) |
WO (1) | WO2022260179A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003303313A (ja) | 1996-12-19 | 2003-10-24 | Fujitsu Ltd | 粒子シミュレーションシステムおよび記憶媒体 |
WO2021054402A1 (ja) | 2019-09-20 | 2021-03-25 | 株式会社 Preferred Networks | 推定装置、訓練装置、推定方法及び訓練方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0589074A (ja) * | 1991-09-30 | 1993-04-09 | Fujitsu Ltd | 二次構造予測装置 |
-
2022
- 2022-06-10 WO PCT/JP2022/023523 patent/WO2022260179A1/ja active Application Filing
- 2022-06-10 JP JP2023524992A patent/JP7392203B2/ja active Active
-
2023
- 2023-12-08 US US18/534,130 patent/US20240127121A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003303313A (ja) | 1996-12-19 | 2003-10-24 | Fujitsu Ltd | 粒子シミュレーションシステムおよび記憶媒体 |
WO2021054402A1 (ja) | 2019-09-20 | 2021-03-25 | 株式会社 Preferred Networks | 推定装置、訓練装置、推定方法及び訓練方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022260179A1 (ja) | 2022-12-15 |
WO2022260179A1 (ja) | 2022-12-15 |
US20240127121A1 (en) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230040555A1 (en) | Systems and Methods for Distributed On-Device Learning with Data-Correlated Availability | |
CN111465944B (zh) | 用于生成对象的结构化表示的图形神经网络系统 | |
JP7453244B2 (ja) | 推定装置、訓練装置、推定方法及びモデル生成方法 | |
Singh et al. | PI-LSTM: Physics-infused long short-term memory network | |
WO2019173401A1 (en) | Systems and methods for spatial graph convolutions with applications to drug discovery and molecular simulation | |
JP2022517100A (ja) | クラスタ収縮を使用するハイブリッドアルゴリズムのためのシステム及び方法 | |
JP5864684B1 (ja) | 半導体装置 | |
US12033728B2 (en) | Simulating electronic structure with quantum annealing devices and artificial neural networks | |
JP2022068327A (ja) | ノードグループ化方法、装置及び電子機器 | |
JP2021056904A (ja) | 点群データ同一性推定装置及び点群データ同一性推定システム | |
Zeng et al. | A nearsighted force-training approach to systematically generate training data for the machine learning of large atomic structures | |
JP7392203B2 (ja) | 訓練装置、訓練方法、プログラム及び推論装置 | |
US20240086684A1 (en) | Method and device with training database construction | |
CN111275799B (zh) | 动画的生成方法、装置和电子设备 | |
JP7425755B2 (ja) | 変換方法、訓練装置及び推論装置 | |
JP7457877B2 (ja) | 推定装置、訓練装置、方法及びプログラム | |
JP7403032B2 (ja) | 訓練装置、推定装置、訓練方法、推定方法及びプログラム | |
WO2023176901A1 (ja) | 情報処理装置、モデル生成方法及び情報処理方法 | |
US20240202406A1 (en) | Structural analysis method and information processing apparatus | |
WO2022249626A1 (ja) | 推定装置、訓練装置、推定方法、強化学習モデル生成方法及び分子構造生成方法 | |
WO2021251414A1 (ja) | 推定装置、訓練装置、推定方法、訓練方法及びプログラム | |
WO2024090568A1 (ja) | 決定装置、および計算方法 | |
CN118171744B (zh) | 时空分布的预测方法及装置、电子设备和存储介质 | |
JP2022189642A (ja) | 情報処理装置 | |
Tytik et al. | Structural transformations in silver nanoparticles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230424 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230420 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230721 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230919 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231012 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231027 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7392203 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |