Buchumschlag

Discovery of stable surfaces with extreme work functions by high-throughput density functional theory and machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schindler, Peter, Antoniuk, Evan R., Cheon, Gowoon, Zhu, Yanbing, Reed, Evan J.
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Materials Science Computational Physics Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Discovery of Stable Surfaces with Extreme Work Functions by High‐Throughput Density Functional Theory and Machine Learning
von: Peter Schindler, et al.
Veröffentlicht: (2024)

Discovery of Stable Surfaces with Extreme Work Functions by High‐Throughput Density Functional Theory and Machine Learning (Adv. Funct. Mater. 19/2024)
von: Peter Schindler, et al.
Veröffentlicht: (2024)

Approach to predicting extreme events in time series of chaotic dynamical systems using machine learning techniques
von: Andreani, Alexandre C., et al.
Veröffentlicht: (2025)

Model selection for extremal dependence structures using deep learning: Application to environmental data
von: Ahmed, Manaf, et al.
Veröffentlicht: (2024)

Uncertainty-aware electronic density-functional distributions
von: Hansen, Teitur, et al.
Veröffentlicht: (2025)

Development of a high-resolution indoor radon map using a new machine learning-based probabilistic model and German radon survey data
von: Petermann, Eric, et al.
Veröffentlicht: (2023)

Signatures of extreme events in the cumulative entropic spectrum
von: Drzazga-Szczȩśniak, Ewa A., et al.
Veröffentlicht: (2025)

Adaptive hybrid density functionals
von: Khan, Danish, et al.
Veröffentlicht: (2024)

Hearing the forest for the trees: machine learning and topological acoustics for remote sensing with seismic noise
von: Wang, Jiayang, et al.
Veröffentlicht: (2026)

Statistical analysis on the effectiveness of a low insulin index, alkaline and functional diet evaluated with machine learning techniques
von: Antoniali, Fabiana, et al.
Veröffentlicht: (2024)

Applications of machine learning in ion beam analysis of materials
von: da Silva, Tiago Fiorini
Veröffentlicht: (2024)

Quantum circuit fidelity estimation using machine learning
von: Vadali, Avi, et al.
Veröffentlicht: (2022)

From sectorial coarse graining to extreme coarse graining of S&P 500 correlation matrices
von: Vyas, Manan, et al.
Veröffentlicht: (2025)

Quantitative causality, causality-guided scientific discovery, and causal machine learning
von: Liang, X. San, et al.
Veröffentlicht: (2024)

Augmenting chemical databases for atomistic machine learning by sampling conformational space
von: Vazquez-Salazar, Luis Itza, et al.
Veröffentlicht: (2025)

Second Order Meanfield Approximation for calculating Dynamics in Au-Nanoparticle Networks
von: Wonisch, Evan, et al.
Veröffentlicht: (2024)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Low dimensional fragment-based descriptors for property predictions in inorganic materials with machine learning
von: Islam, Md Mohaiminul
Veröffentlicht: (2024)

Identifying topology of leaky photonic lattices with machine learning
von: Smolina, Ekaterina O., et al.
Veröffentlicht: (2023)

Comparative study of machine learning and statistical methods for automatic identification and quantification in γ-ray spectrometry
von: Phan, Dinh Triem, et al.
Veröffentlicht: (2025)

Learning from the past: predicting critical transitions with machine learning trained on surrogates of historical data
von: Ma, Zhiqin, et al.
Veröffentlicht: (2024)

Surface correlation functions of dead-leaves models
von: Gommes, Cedric J.
Veröffentlicht: (2026)

Temporal scaling theory for bursty time series with clusters of arbitrarily many events
von: Jo, Hang-Hyun, et al.
Veröffentlicht: (2024)

Numerical study of high-dimensional covariance estimation and localization for data assimilation
von: Gilpin, Shay, et al.
Veröffentlicht: (2025)

Physics-based linear regression for high-dimensional forward uncertainty quantification
von: Wang, Ziqi
Veröffentlicht: (2024)

Copula-based analysis of the autocorrelation function for simple temporal networks
von: Jo, Hang-Hyun
Veröffentlicht: (2022)

Anticipating tipping in spatiotemporal systems with machine learning
von: Deb, Smita, et al.
Veröffentlicht: (2026)

Non-parametric learning critical behavior in Ising partition functions: PCA entropy and intrinsic dimension
von: Panda, Rajat K., et al.
Veröffentlicht: (2023)

Structure functions and flatness of streamwise velocity in a turbulent channel flow
von: Granero-Belinchon, Carlos, et al.
Veröffentlicht: (2025)

Scientific machine learning in Hydrology: a unified perspective
von: Adombi, Adoubi Vincent De Paul
Veröffentlicht: (2025)

Analysis of the autocorrelation function for time series with higher-order temporal correlations: An exponential case
von: Yu, Min-ho, et al.
Veröffentlicht: (2025)

Restricted Boltzmann machine as a probabilistic Enigma
von: Chen, Bin, et al.
Veröffentlicht: (2025)

An application of machine learning to the motion response prediction of floating assets
von: Morris-Thomas, Michael T. M. B., et al.
Veröffentlicht: (2025)

Surveying the space of descriptions of a composite system with machine learning
von: Murphy, Kieran A., et al.
Veröffentlicht: (2024)

Improving aircraft performance using machine learning: a review
von: Clainche, Soledad Le, et al.
Veröffentlicht: (2022)

Improving search efficiency via adaptive acquisition function selection in discrete black-box optimization
von: Shikanai, Reo, et al.
Veröffentlicht: (2026)

Kolmogorov-Arnold Network for Satellite Image Classification in Remote Sensing
von: Cheon, Minjong
Veröffentlicht: (2024)

Disentangling high order effects in the transfer entropy
von: Stramaglia, Sebastiano, et al.
Veröffentlicht: (2024)

Blume-Capel model: Estimation of a three stable state network for $-\bf 1$, $\bf 0$ and $\bf +1$ data
von: Waldorp, Lourens, et al.
Veröffentlicht: (2026)

Are EEG functional networks really describing the brain? A comparison with other information-processing complex systems
von: Gil-Rodrigo, Sofia, et al.
Veröffentlicht: (2024)