Sélection de la langue

Gouvernement du Canada / Government of Canada

Recherche

Adversarial generation of mesoscale surfaces from small-scale chemical motifs

Par Conseil national de recherches du Canada

Téléchargement
  1. (PDF, 4.3 Mio)
DOITrouver le DOI : https://doi.org/10.1021/acs.jpcc.0c06673
AuteurRechercher : 1Identifiant ORCID : https://orcid.org/0000-0003-1768-6873; Rechercher : ; Rechercher : 1Identifiant ORCID : https://orcid.org/0000-0002-8146-6667
Affiliation
  1. Conseil national de recherches du Canada. Technologies de sécurité et de rupture
FormatTexte, Article
Sujetenergy; neural networks; layers; lattices; computer simulations
Résumé
We demonstrate the use of a regressive upscaling generative adversarial network (RUGAN) as an effective way to sample state space for hexagonal porous graphene sheets. The RUGAN can, after being trained on a set of small-scale examples, generate new, energetically relevant microstates (atomic configurations). The RUGAN can generate configurations across a continuum of total energy values and produce configurations at requested energy values. The microstates produced respect periodic boundary conditions, and importantly, the fully convolutional nature of the generator allows the generation of arbitrarily large microstates, after being trained on only a small-scale data set.
Date de publication
Maison d’éditionAmerican Chemical Society
Dans
  • The Journal of Physical Chemistry C 124, nº 42 : 23158–23163.
Langueanglais
Publications évaluées par des pairsOui
Exporter la noticeExporter en format RIS
Signaler une correctionSignaler une correction (s'ouvre dans un nouvel onglet)
Identificateur de l’enregistrement513a20ea-ab11-4cad-9056-8795d4f1f5b2
Enregistrement créé2021-05-11
Enregistrement modifié2021-09-21
Date de modification :