Buchumschlag

Physical Pooling Functions in Graph Neural Networks for Molecular Property Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schweidtmann, Artur M., Rittig, Jan G., Weber, Jana M., Grohe, Martin, Dahmen, Manuel, Leonhard, Kai, Mitsos, Alexander
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Graph Neural Networks for Temperature-Dependent Activity Coefficient Prediction of Solutes in Ionic Liquids
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Graph neural networks for the prediction of molecular structure-property relationships
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Molecular Machine Learning in Chemical Process Design
von: Rittig, Jan G., et al.
Veröffentlicht: (2025)

Graph Machine Learning for Design of High-Octane Fuels
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Thermodynamics-Consistent Graph Neural Networks
von: Rittig, Jan G., et al.
Veröffentlicht: (2024)

Graph Neural Networks for Surfactant Multi-Property Prediction
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Tabular foundation models for in-context prediction of molecular properties
von: Hicham, Karim K. Ben, et al.
Veröffentlicht: (2026)

DeepEOSNet: Capturing the dependency on thermodynamic state in property prediction tasks
von: Pavšek, Jan, et al.
Veröffentlicht: (2025)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Obey validity limits of data-driven models
von: Schweidtmann, Artur M, et al.
Veröffentlicht: (2020)

GraphXForm: Graph transformer for computer-aided molecular design
von: Pirnay, Jonathan, et al.
Veröffentlicht: (2024)

Optimization with Trained Machine Learning Models Embedded
von: Schweidtmann, Artur M., et al.
Veröffentlicht: (2022)

Clapeyron Neural Networks for Single-Species Vapor-Liquid Equilibria
von: Pavšek, Jan, et al.
Veröffentlicht: (2026)

End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2023)

The Descriptive Complexity of Graph Neural Networks
von: Grohe, Martin
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Dynamic Process Operations with Limited Physical Knowledge and Data
von: Velioglu, Mehmet, et al.
Veröffentlicht: (2024)

Robust Design of Multi-Energy Systems Accounting for Mixed-Integer Operational Problems
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2026)

Estimating Dense-Packed Zone Height in Liquid-Liquid Separation: A Physics-Informed Neural Network Approach
von: Velioglu, Mehmet, et al.
Veröffentlicht: (2026)

Transferring Graph Neural Networks for Soft Sensor Modeling using Process Topologies
von: Theisen, Maximilian F., et al.
Veröffentlicht: (2025)

ENFORCE: Nonlinear Constrained Learning with Adaptive-depth Neural Projection
von: Lastrucci, Giacomo, et al.
Veröffentlicht: (2025)

Differentiable Thermodynamic Phase-Equilibria for Machine Learning
von: Hicham, Karim K. Ben, et al.
Veröffentlicht: (2026)

Robust Energy System Design via Semi-infinite Programming
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2024)

Sample-Efficient Reinforcement Learning of Koopman eNMPC
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2025)

Data-Driven Conditional Flexibility Index
von: Wedemeyer, Moritz, et al.
Veröffentlicht: (2026)

Multi-scale membrane process optimization with high-fidelity ion transport models through machine learning
von: Rall, Deniz, et al.
Veröffentlicht: (2022)

Picard-KKT-hPINN: Enforcing Nonlinear Enthalpy Balances for Physically Consistent Neural Networks
von: Lastrucci, Giacomo, et al.
Veröffentlicht: (2025)

Repetition Makes Perfect: Recurrent Graph Neural Networks Match Message-Passing Limit
von: Rosenbluth, Eran, et al.
Veröffentlicht: (2025)

GraphRAG for Engineering Diagrams: ChatP&ID Enables LLM Interaction with P&IDs
von: Alimin, Achmad Anggawirya, et al.
Veröffentlicht: (2026)

Task-optimal data-driven surrogate models for eNMPC via differentiable simulation and optimization
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2024)

Grounding Large Language Models in Reaction Knowledge Graphs for Synthesis Retrieval
von: Bunkova, Olga, et al.
Veröffentlicht: (2026)

Global Optimization of Gaussian processes
von: Schweidtmann, Artur M., et al.
Veröffentlicht: (2020)

Some Thoughts on Graph Similarity
von: Grohe, Martin
Veröffentlicht: (2024)

End-to-End Reinforcement Learning of Koopman Models for eNMPC of an Air Separation Unit
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2025)

Deterministic Global Optimization over trained Kolmogorov Arnold Networks
von: Karia, Tanuj, et al.
Veröffentlicht: (2025)

Amortized Molecular Optimization via Group Relative Policy Optimization
von: Javaid, Muhammad bin, et al.
Veröffentlicht: (2026)

Graph-to-SFILES: Control structure prediction from process topologies using generative artificial intelligence
von: Balhorn, Lukas Schulze, et al.
Veröffentlicht: (2024)

How Expressive Are Graph Neural Networks in the Presence of Node Identifiers?
von: Soeteman, Arie, et al.
Veröffentlicht: (2026)

Optimal design of a local renewable electricity supply system for power-intensive production processes with demand response
von: Germscheid, Sonja H. M., et al.
Veröffentlicht: (2024)

Learning from Algorithm Feedback: One-Shot SAT Solver Guidance with GNNs
von: Tönshoff, Jan, et al.
Veröffentlicht: (2025)