PFCC special lecture on materials informatics_nanotech2023Matlantis
At nano tech 2023, PFCC’s Rabi Shibata gave a special lecture on materials informatics.
[Lecture summary]
The growing interest in materials informatics (MI) has recently pushed Japanese companies into launching various MI projects, some of which have made successful achievements. At the same time, however, the resulting influx of MI-related information has caused confusion among those who are willing to get into MI.
In this lecture, PFCC’s Rabi Shibata gave an overview of the current MI landscape and where PFCC’s universal atomistic simulator Matlantis plays it’s role in the industry. He also introduced his own case study to illustrate what motivates materials scientists to take up MI.
https://matlantis.com/
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
24. OC20を使ったNNPの性能
24
関係者限り
Towards Universal Neural Network Potential for Material Discovery Applicable to Arbitrary Combination of 45 Elements, S. Takamoto et al.
https://arxiv.org/abs/2106.14583
いずれこのような問題を解決できるような教師データ、学習モデルがでてくると思われる。
33. 吸着エネルギー精度検証
33
関係者限り
corr: 0.993
MAE: 0.080 eV
RMSE: 0.103 eV
Reference: A benchmark database for adsorption bond energies to
transition metal surfaces and comparison to selected DFT functionals, Jess
Wellendorff et al., Surface Science, 2015, 640, 36
https://www.sciencedirect.com/science/article/abs/pii/S00396028150008
37
38. NO還元触媒反応解析と第二元素添加の効果
Rh触媒の一部元素を置換してNO開裂反応の活性化エネルギーを計算 by pfp v1.0.0
(1,814種の触媒表面状態についてMatlantisで全てNEB計算→約5日で計算完了)
第一原理計算:Rh触媒上でのNO開裂反応エネルギーダイアグラム
約10分でNEB計算完了
NNPによる超高速
スクリーニングイメージ
(initial state)
Ea = 1.4 eV
Ea = 1.5 eV
Catalysis Today, 2019, 332, 272–279
無置換
NNP image
38
関係者限り
39. アンモニア合成触媒への金属添加の効果
Alkali promotion of N-2 dissociation over Ru(0001)
Jens Jørgen Mortensen et al. Phys. Rev. Lett. 80, 1998, 4333
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.80.4333
Ru触媒(cluster)の一部元素を置換してN2
開裂反応の活性化エネルギーを計算
(363種の触媒表面状態について汎用NNPで全てNEB計算→約半日で計算完了)
Na K Rb Cs
N2
吸着構造探索 by MD
無置換
39
関係者限り