XANE(3): 原子構造からXANESスペクトルを高精度に予測するための、E(3)同変グラフニューラルネットワーク

arXiv cs.LG / 2026/4/15

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

XANE(3)は、テンソル積メッセージパッシングと球面調和エッジ特徴を用いる、物理に基づいたE(3)同変グラフニューラルネットワークであり、原子構造からX線吸収端近傍構造（XANES）スペクトルを直接予測します。
アーキテクチャには、吸収体クエリに基づくアテンションプーリング、独自の同変レイヤ正規化、適応的なゲート付き残差結合、ならびにマルチスケールのガウス型スペクトル読出し（任意のシグモイド背景項付き）が追加されています。
学習では、点ごとのスペクトル再構成に加えて、一次および二次導関数のマッチングを目的関数として組み合わせることで、ラインシェイプの忠実度が向上します。
5,941のFDMNESでシミュレートした酸化鉄表面ファセットにおいて、XANE(3)はテスト平均二乗誤差1.0×10^-3を達成し、エッジ構造、ピーク強度、プリエッジ特徴、ポストエッジの振動といった主要なスペクトル特性を再現します。
アブレーション研究では、設計上の複数の選択（導関数を考慮した損失、同変正規化、アテンションプーリング、ゲート付き残差の混合、グローバル背景）それぞれが性能に寄与していることが示されます。一方で、容量を揃えたスカラーのみのバリアントは点ごとの誤差は同程度ですが、導関数レベルでの忠実度は弱いことが分かります。

Abstract

本稿では、原子構造からX線吸収端近傍構造（XANES）スペクトルを直接予測するための、物理に基づくE(3)同変グラフニューラルネットワークXANE(3)を提示する。モデルは、テンソル積メッセージパッシングと球面調和エッジ特徴、吸収体クエリに基づく注意（attention）プーリング、独自の同変層正規化、適応的なゲート付き残差結合、およびマルチスケールのガウス基底に基づくスペクトル読み出し（オプションでシグモイド型の背景項を付加）を組み合わせる。線形状の忠実度を向上させるため、学習では点ごとのスペクトル再構成に加えて、一階および二階微分の一致を含む複合目的関数で訓練を行う。鉄酸化物表面ファセットに対する5,941件のFDMNESシミュレーションからなるデータセットでモデルを評価し、テストセット上で分散平均誤差（mean squared error）が

1.0 \times 10^{-3}

であることを得た。モデルは、主要なエッジ構造、相対的ピーク強度、プレエッジ特徴、ポストエッジの振動を正確に再現する。アブレーション研究では、微分を考慮した目的関数、独自の同変正規化、吸収体条件付け注意プーリング、適応的ゲート付き残差の混合、そしてグローバル背景項のそれぞれが性能を改善することが示される。興味深いことに、容量を一致させたスカラーのみの変種は、点ごとの再構成誤差は同等である一方、微分レベルの忠実度は低下しており、このデータセットにおける低強度誤差にはテンソル的なチャネルを明示的に必要としない可能性を示唆する。しかし、より微細なスペクトル構造を捉えるうえでは依然として有益である。これらの結果により、XANE(3)はXANESシミュレーションのための高精度かつ効率的な代理（サロゲート）として確立され、加速されたスペクトル予測、ML支援による分光、データ駆動型の材料探索へ向けた有望な道筋を提供する。