[論文レビュー] Average Minimum Distances of periodic point sets

Daniel E. Widdowson, Marco M. Mosca+3 more|arXiv (Cornell University)|Sep 5, 2020

Image Processing and 3D Reconstruction被引用数 12

ひとこと要約

本稿では、周期的点集合の連続等長不変量としての平均最小距離（AMD）を導入し、結晶構造における頑健な類似度評価を可能にする無限列を提示する。AMDの漸近的挙動を点パッキング係数を用いて特徴づけることで、離散的対称性に基づく不変量に代わる連続的かつ安定的な代替手法が得られ、大規模なシミュレーションにおける近似同一構造の効率的同定が可能になる。

ABSTRACT

Periodic sets of points model all solid crystalline materials (crystals) by representing atoms as labeled points. Crystal structures are determined in a rigid form and are considered up to rigid motions or isometries. Modern tools of Crystal Structure Prediction output thousands of simulated structures, though only few of them can be really synthesized. The first obstacle is the presence of many near duplicate structures that can not be efficiently recognized on the fly by past tools. To continuously quantify a similarity between periodic sets, their isometry invariants should be continuous under perturbations when all discrete invariants such as symmetry groups can break down. This paper studies the isometry classification problem for periodic sets with the new continuity requirement and introduces the Average Minimum Distances, which form an infinite sequence of continuous isometry invariants. Their asymptotic behaviour for a wide class of sets is explicitly described in terms of a point packing coefficient. All results are illustrated by experiments on large datasets of crystals.

研究の動機と目的

• 従来の離散的不変量が摂動に対して失敗する大規模な結晶構造予測データセットにおいて、近似同一の結晶構造を同定する課題に対処すること。
• 微小摂動に対しても連続的に保たれる等長不変量を構築し、対称性群の破綻が生じても安定した類似度評価を可能にすること。
• 構造的類似度を反映する連続的不変量を用いた周期的点集合の分類のための数学的に厳密な枠組みを提供すること。
• 広範な周期的集合のクラスに対して、これらの不変量の漸近的挙動を点パッキング係数を用いて特徴づけること。
• 大規模な結晶データセットにおける実用的有効性を、実験的妥当性検証を通じて示すこと。

提案手法

• 周期的集合全体における各点からそのk番目の近隣点までの平均距離に基づき導出される、無限列の等長不変量である平均最小距離（AMD）を提案する。
• AMDを周期的点集合の連続関数として定義し、空間群のような離散的不変量とは異なり、微小摂動に対しても安定性を保つ。
• 近隣点数kを増加させた際のAMDの漸近的挙動を分析し、点パッキング係数によって定まる値への収束を示す。
• 点パッキング係数を、AMD系列の長期的成長率を特徴付ける構造的記述子として導入する。
• AMDフレームワークを、シミュレートされた結晶構造の大規模データセットに適用し、近似同一構造の同定性能を評価する。
• 数値実験を通じて、標準的な対称性ベース分類と比較した場合のAMDの連続性および識別力の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 周期的点集合に対する等長不変量を、摂動に対して連続的とすることで、頑健な類似度評価を可能にする方法は何か？
• RQ2 周期的集合における平均最小距離系列の漸近的挙動は何か？ そして、数学的にどのように特徴づけられるか？
• RQ3 点パッキング係数は、対称性群を越えて周期的集合を分類する意味のある記述子として機能できるか？
• RQ4 AMDフレームワークは、大規模なシミュレーションデータセットにおける近似同一結晶構造の同定にどの程度有効か？
• RQ5 摂動下でも、AMD不変量は、従来の離散的不変量よりも構造的類似度の同定においてどの程度優れているか？

主な発見

• 平均最小距離（AMD）は、微小摂動に対しても安定する連続的不変量の無限列を形成し、空間群のような離散的不変量の不連続性を克服する。
• AMDの漸近的挙動は、点パッキング係数を用いて明示的に記述され、周期的集合内の点の密度と配置を定量化する。
• 点パッキング係数は、長距離秩序を捉える構造的記述子を提供し、対称性に基づく手法を超えた分類を可能にする。
• 大規模な結晶データセットにおける実験により、AMDが対称性のみでは区別できない近似同一構造を効果的に同定することが確認された。
• 本手法により、結晶構造予測パイプラインにおける重複構造の効率的フィルタリングが可能となり、計算コストの低減が達成された。
• AMDの連続的性質により、原子位置がわずかに摂動された場合でも信頼性の高い類似度測定が可能となり、実世界の材料データに対して必須の要件を満たす。