محفوظ في:
| المؤلفون الرئيسيون: | Birks, Fraser, Nutter, Matthew, Swinburne, Thomas D, Kermode, James R |
|---|---|
| التنسيق: | Preprint |
| منشور في: |
2025
|
| الموضوعات: | |
| الوصول للمادة أونلاين: | https://arxiv.org/abs/2502.19081 |
| الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
Accurate and Efficient Interatomic Potentials for Dislocations in InP
حسب: Rocke, Thomas, وآخرون
منشور في: (2026)
حسب: Rocke, Thomas, وآخرون
منشور في: (2026)
Kink-Helium Interactions in Tungsten: Increased Dislocation Mobility in the Infinitely Dilute Regime
حسب: Nutter, Matthew, وآخرون
منشور في: (2024)
حسب: Nutter, Matthew, وآخرون
منشور في: (2024)
Uncertainty Quantification for Misspecified Machine Learned Interatomic Potentials
حسب: Perez, Danny, وآخرون
منشور في: (2025)
حسب: Perez, Danny, وآخرون
منشور في: (2025)
Accelerating the Training and Improving the Reliability of Machine-Learned Interatomic Potentials for Strongly Anharmonic Materials through Active Learning
حسب: Kang, Kisung, وآخرون
منشور في: (2024)
حسب: Kang, Kisung, وآخرون
منشور في: (2024)
Hydrogen under Pressure as a Benchmark for Machine-Learning Interatomic Potentials
حسب: Bischoff, Thomas, وآخرون
منشور في: (2024)
حسب: Bischoff, Thomas, وآخرون
منشور في: (2024)
PFT: Phonon Fine-tuning for Machine Learned Interatomic Potentials
حسب: Koker, Teddy, وآخرون
منشور في: (2026)
حسب: Koker, Teddy, وآخرون
منشور في: (2026)
Universal Machine Learning Interatomic Potentials are Ready for Solid Ion Conductors
حسب: Du, Hongwei, وآخرون
منشور في: (2025)
حسب: Du, Hongwei, وآخرون
منشور في: (2025)
Equivariant Machine Learning Interatomic Potentials with Global Charge Redistribution
حسب: Maruf, Moin Uddin, وآخرون
منشور في: (2025)
حسب: Maruf, Moin Uddin, وآخرون
منشور في: (2025)
Uncertainty Quantification in Atomistic Simulations of Silicon using Interatomic Potentials
حسب: Best, I. R., وآخرون
منشور في: (2024)
حسب: Best, I. R., وآخرون
منشور في: (2024)
Model Accuracy and Data Heterogeneity Shape Uncertainty Quantification in Machine Learning Interatomic Potentials
حسب: Shuang, Fei, وآخرون
منشور في: (2025)
حسب: Shuang, Fei, وآخرون
منشور في: (2025)
Mixture of Experts Framework in Machine Learning Interatomic Potentials for Atomistic Simulations
حسب: Nascimento, Gabriel de Miranda, وآخرون
منشور في: (2026)
حسب: Nascimento, Gabriel de Miranda, وآخرون
منشور في: (2026)
Global Universal Scaling and Ultra-Small Parameterization in Machine Learning Interatomic Potentials with Super-Linearity
حسب: Hu, Yanxiao, وآخرون
منشور في: (2025)
حسب: Hu, Yanxiao, وآخرون
منشور في: (2025)
Automated Machine Learning Pipeline: Large Language Models-Assisted Automated Dataset Generation for Training Machine-Learned Interatomic Potentials
حسب: Lahouari, Adam, وآخرون
منشور في: (2025)
حسب: Lahouari, Adam, وآخرون
منشور في: (2025)
Energy & Force Regression on DFT Trajectories is Not Enough for Universal Machine Learning Interatomic Potentials
حسب: Miret, Santiago, وآخرون
منشور في: (2025)
حسب: Miret, Santiago, وآخرون
منشور في: (2025)
Cutting Through the Noise: On-the-fly Outlier Detection for Robust Training of Machine Learning Interatomic Potentials
حسب: Lam, Terry C. W., وآخرون
منشور في: (2026)
حسب: Lam, Terry C. W., وآخرون
منشور في: (2026)
Resolving Structural Avalanches in Amorphous Carbon with Arclength Continuation
حسب: Birks, Fraser, وآخرون
منشور في: (2026)
حسب: Birks, Fraser, وآخرون
منشور في: (2026)
MOFSimBench: Evaluating Universal Machine Learning Interatomic Potentials In Metal--Organic Framework Molecular Modeling
حسب: Kraß, Hendrik, وآخرون
منشور في: (2025)
حسب: Kraß, Hendrik, وآخرون
منشور في: (2025)
DistMLIP: A Distributed Inference Platform for Machine Learning Interatomic Potentials
حسب: Han, Kevin, وآخرون
منشور في: (2025)
حسب: Han, Kevin, وآخرون
منشور في: (2025)
Surface Stability Modeling with Universal Machine Learning Interatomic Potentials: A Comprehensive Cleavage Energy Benchmarking Study
حسب: Mehdizadeh, Ardavan, وآخرون
منشور في: (2025)
حسب: Mehdizadeh, Ardavan, وآخرون
منشور في: (2025)
Lang2MLIP: End-to-End Language-to-Machine Learning Interatomic Potential Development with Autonomous Agentic Workflows
حسب: Li, Wenwen, وآخرون
منشور في: (2026)
حسب: Li, Wenwen, وآخرون
منشور في: (2026)
Bayesian Selection for Efficient MLIP Dataset Selection
حسب: Rocke, Thomas, وآخرون
منشور في: (2025)
حسب: Rocke, Thomas, وآخرون
منشور في: (2025)
Proof-Carrying Materials: Falsifiable Safety Certificates for Machine-Learned Interatomic Potentials
حسب: Basu, Abhinaba, وآخرون
منشور في: (2026)
حسب: Basu, Abhinaba, وآخرون
منشور في: (2026)
From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures
حسب: Liu, Ryan, وآخرون
منشور في: (2026)
حسب: Liu, Ryan, وآخرون
منشور في: (2026)
Self-Optimizing Machine Learning Potential Assisted Automated Workflow for Highly Efficient Complex Systems Material Design
حسب: Li, Jiaxiang, وآخرون
منشور في: (2025)
حسب: Li, Jiaxiang, وآخرون
منشور في: (2025)
Quantum Kernel Machine Learning for Autonomous Materials Science
حسب: Adams, Felix, وآخرون
منشور في: (2026)
حسب: Adams, Felix, وآخرون
منشور في: (2026)
Efficient and Accurate Machine Learning Interatomic Potential for Graphene: Capturing Stress-Strain and Vibrational Properties
حسب: Hawthorne, Felipe, وآخرون
منشور في: (2025)
حسب: Hawthorne, Felipe, وآخرون
منشور في: (2025)
Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN
حسب: Yang, Guang, وآخرون
منشور في: (2023)
حسب: Yang, Guang, وآخرون
منشور في: (2023)
Materials Learning Algorithms (MALA): Scalable Machine Learning for Electronic Structure Calculations in Large-Scale Atomistic Simulations
حسب: Cangi, Attila, وآخرون
منشور في: (2024)
حسب: Cangi, Attila, وآخرون
منشور في: (2024)
Training-Free Active Learning Framework in Materials Science with Large Language Models
حسب: Wang, Hongchen, وآخرون
منشور في: (2025)
حسب: Wang, Hongchen, وآخرون
منشور في: (2025)
Benchmarking Universal Machine Learning Interatomic Potentials on Elemental Systems
حسب: Tahmasbi, Hossein, وآخرون
منشور في: (2025)
حسب: Tahmasbi, Hossein, وآخرون
منشور في: (2025)
A Critical Examination of Active Learning Workflows in Materials Science
حسب: Nair, Akhil S., وآخرون
منشور في: (2026)
حسب: Nair, Akhil S., وآخرون
منشور في: (2026)
Flexible Cutoff Learning: Optimizing Machine Learning Potentials After Training
حسب: Oerder, Rick, وآخرون
منشور في: (2026)
حسب: Oerder, Rick, وآخرون
منشور في: (2026)
Enhancing Machine Learning Potentials through Transfer Learning across Chemical Elements
حسب: Röcken, Sebastien, وآخرون
منشور في: (2025)
حسب: Röcken, Sebastien, وآخرون
منشور في: (2025)
Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And Efficient Combinatorial Materials Design
حسب: Comlek, Yigitcan, وآخرون
منشور في: (2023)
حسب: Comlek, Yigitcan, وآخرون
منشور في: (2023)
Compressing and forecasting atomic material simulations with descriptors
حسب: Swinburne, Thomas D
منشور في: (2023)
حسب: Swinburne, Thomas D
منشور في: (2023)
ParSplice: strong exa-scaling of molecular dynamics
حسب: Swinburne, Thomas D
منشور في: (2024)
حسب: Swinburne, Thomas D
منشور في: (2024)
Bridging Text and Crystal Structures: Literature-driven Contrastive Learning for Materials Science
حسب: Suzuki, Yuta, وآخرون
منشور في: (2025)
حسب: Suzuki, Yuta, وآخرون
منشور في: (2025)
Maximizing Efficiency of Dataset Compression for Machine Learning Potentials With Information Theory
حسب: Yu, Benjamin, وآخرون
منشور في: (2025)
حسب: Yu, Benjamin, وآخرون
منشور في: (2025)
Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials
حسب: Dong, Guangyi, وآخرون
منشور في: (2025)
حسب: Dong, Guangyi, وآخرون
منشور في: (2025)
Composite Material Design for Optimized Fracture Toughness Using Machine Learning
حسب: Jahromi, Mohammad Naqizadeh, وآخرون
منشور في: (2024)
حسب: Jahromi, Mohammad Naqizadeh, وآخرون
منشور في: (2024)
مواد مشابهة
-
Accurate and Efficient Interatomic Potentials for Dislocations in InP
حسب: Rocke, Thomas, وآخرون
منشور في: (2026) -
Kink-Helium Interactions in Tungsten: Increased Dislocation Mobility in the Infinitely Dilute Regime
حسب: Nutter, Matthew, وآخرون
منشور في: (2024) -
Uncertainty Quantification for Misspecified Machine Learned Interatomic Potentials
حسب: Perez, Danny, وآخرون
منشور في: (2025) -
Accelerating the Training and Improving the Reliability of Machine-Learned Interatomic Potentials for Strongly Anharmonic Materials through Active Learning
حسب: Kang, Kisung, وآخرون
منشور في: (2024) -
Hydrogen under Pressure as a Benchmark for Machine-Learning Interatomic Potentials
حسب: Bischoff, Thomas, وآخرون
منشور في: (2024)