PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.05866v2cs.AI

XDecomposer: 다상 X선 회절을 위한 사전 정보 없는 집합 분해 학습

XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction

다상 분말 X선 회절(PXRD) 분석은 실제 합성 과정에서 구성 상(phase, 성분)들을 안정적으로 분리해내기 어려운 복잡한 혼합물이 생성되는 경우가 많아 구조 식별의 근본적인 병목 구간으로 남아 있습니다. 최근 표현 기반 결정 검색 및 생성이 발전하면서 PXRD로부터 직접 구조를 추론할 수 있는 가능성이 제시되었으나, 기존 접근 방식은 대부분 단상(single-phase) 입력을 가정하므로 다상 환경에서는 제대로 작동하지 않습니다. 본 논문에서는 후보 상 목록, 구조적 템플릿, 또는 상의 수에 대한 사전 지식 없이도 다상 XRD 패턴의 분해 및 식별을 동시에 수행하는 사전 정보 없는(prior-free) 프레임워크인 XDecomposer를 제안합니다. 우리는 다상 회절 분석을 집합 예측(set prediction) 문제로 정의하며, 모델은 단일 통합 아키텍처 내에서 상별 성분의 순서 없는 집합과 혼합 비율, 그리고 이에 대응하는 구조 표현을 추론합니다. 회절 일관성을 갖는 물리적 재구성과 결합된 상 쿼리(phase-query) 기반 분해 메커니즘은 결정학적 충실도를 보존하면서 정확한 음원 분리(source separation)를 가능하게 합니다. 모의 및 실험 데이터셋 모두를 대상으로 한 광범위한 실험을 통해, XDecomposer가 다양한 화학 시스템 전반에서 재구성 정확도와 상 식별 성능을 크게 향상시키며 보지 못한(unseen) 혼합물에 대해서도 강력한 일반화 성능을 유지함을 보여줍니다. 이러한 결과는 데이터 기반의 성분 분해 다상 XRD 분석을 위한 실용적인 경로를 제공하며, 사전 지식 기반의 반복적 상 매칭에 대한 오랜 의존도를 낮춥니다. 코드는 https://github.com/Licht0812/XDecomposer 에서 공개되어 있습니다.

arXiv:2606.22866v1cs.LG

AI 공동과학자를 활용한 결정 구조 예측 알고리즘 발견

Discovering Crystal Structure Prediction Algorithms with an AI Co-Scientist

교차 도메인 탐색과 희소한 인간 조향을 통한 과학 알고리즘 발견을 위해 인간-AI 공동 발견 시스템(HACO)을 제안한다. 화학 조성으로부터 결정 구조를 생성한다는 목표에서 출발하여, HACO는 여러 분야의 생성 모델링 방법론을 교차 탐색했고, 비전 분야의 마스킹 생성 모델인 MaskGIT이 결정 구조 예측(CSP)에 유망한 프레임워크임을 확인했다. HACO는 이 마스킹 공식화를 결정 구조의 이산 토큰 모델로 구체화했고, 희소한 고수준 인간 목표의 안내하에 결정학적 대칭 토큰, 다형 커버리지를 위한 공간군 층화 샘플링, 서브빈 좌표 정제를 추가하여 Masked Generative Crystal Transformer(MaskGXT)를 완성했다. MP-20 다형 분할에서 MaskGXT는 가장 강력했던 기준선의 70.87%와 비교하여 match-everyone-to-reference(METRe) 정확도 79.06%를 달성했다. MaskGXT는 표준 MP-20 및 MPTS-52 CSP 벤치마크에서도 최고의 match rate를 기록했다. 이러한 결과는 값싸고, 빠르며, 잘 정렬된 검증이 가능한 도메인에서, 전이 기반 상호작용형 AI 공동과학자가 전이 가능한 모델링 원리를 식별하고 이를 목표 지향적 인간 도메인 가이드와 결합함으로써 과학 알고리즘 발견에 기여할 수 있음을 보여준다.