グラフニューラルネットによる組合せ最適化を用いた結晶構造予測
arXiv cs.LG / 2026/4/28
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、結晶構造予測（CSP）を、単位格子内の離散格子点に原子を割り当てて相互作用エネルギーを最小化する組合せ最適化問題として扱います。
- そのうえで、グラフニューラルネットワーク（GNN）を用いたニューラル組合せ最適化手法を提案し、教師なしで実現可能な結晶構造を分布からサンプリングできるようにします。
- expander graph を用いて離散位置上の計算グラフを構成し、原子間の短距離・長距離相互作用の両方を捉えます。
- 化学的制約を満たすために、Gumbel-Sinkhorn により生成構造の所望の化学量論（stoichiometry）を強制します。
- 実験では、古典的なヒューリスティックより優れ、複数の化学組成で市販の最適化ソルバーと同等水準の性能を示し、GPU資源を活用してCSPをスケールできる可能性を示しています。
