Buchumschlag

MLatom 3: Platform for machine learning-enhanced computational chemistry simulations and workflows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dral, Pavlo O., Ge, Fuchun, Hou, Yi-Fan, Zheng, Peikun, Chen, Yuxinxin, Barbatti, Mario, Isayev, Olexandr, Wang, Cheng, Xue, Bao-Xin, Pinheiro Jr, Max, Su, Yuming, Dai, Yiheng, Chen, Yangtao, Zhang, Lina, Zhang, Shuang, Ullah, Arif, Zhang, Quanhao, Ou, Yanchi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Chemical Physics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MLatom software ecosystem for surface hopping dynamics in Python with quantum mechanical and machine learning methods
von: Zhang, Lina, et al.
Veröffentlicht: (2024)

Molecular Quantum Chemical Data Sets and Databases for Machine Learning Potentials
von: Ullah, Arif, et al.
Veröffentlicht: (2024)

Artificial Intelligence for Direct Prediction of Molecular Dynamics Across Chemical Space
von: Ge, Fuchun, et al.
Veröffentlicht: (2025)

All-in-one foundational models learning across quantum chemical levels
von: Chen, Yuxinxin, et al.
Veröffentlicht: (2024)

MLQD: A package for machine learning-based quantum dissipative dynamics
von: Ullah, Arif, et al.
Veröffentlicht: (2023)

Physics-informed active learning for accelerating quantum chemical simulations
von: Hou, Yi-Fan, et al.
Veröffentlicht: (2024)

A simple approach to rotationally invariant machine learning of avector quantity
von: Martinka, Jakub, et al.
Veröffentlicht: (2024)

Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations
von: Hu, Jinming, et al.
Veröffentlicht: (2025)

Knowing when to trust machine-learned interatomic potentials
von: Mehdi, Shams, et al.
Veröffentlicht: (2026)

Tell machine learning potentials what they are needed for: Simulation-oriented training exemplified for glycine
von: Ge, Fuchun, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks and Beyond: Enforcing Physical Constraints in Quantum Dissipative Dynamics
von: Ullah, Arif, et al.
Veröffentlicht: (2024)

A Descriptor Is All You Need: Accurate Machine Learning of Nonadiabatic Coupling Vectors
von: Martinka, Jakub, et al.
Veröffentlicht: (2025)

AI-enhanced on-the-fly simulation of nonlinear time-resolved spectra
von: Pios, Sebastian V., et al.
Veröffentlicht: (2024)

QD3SET-1: A Database with Quantum Dissipative Dynamics Data Sets
von: Ullah, Arif, et al.
Veröffentlicht: (2023)

The Best DFT Functional Is the Ensemble of Functionals
von: Yuting Rui, et al.
Veröffentlicht: (2024)

Photochemical N‐dealkylation of Tertiary Amines Coupled With Photocharging of Poly(Heptazine Imides)
von: Jingru Zhuang, et al.
Veröffentlicht: (2026)

Applications of Modular Co-Design for De Novo 3D Molecule Generation
von: Reidenbach, Danny, et al.
Veröffentlicht: (2025)

Anticipating the Selectivity of Intramolecular Cyclization Reaction Pathways with Neural Network Potentials
von: Casetti, Nicholas, et al.
Veröffentlicht: (2025)

GEOM-Drugs Revisited: Toward More Chemically Accurate Benchmarks for 3D Molecule Generation
von: Nikitin, Filipp, et al.
Veröffentlicht: (2025)

MolErr2Fix: Benchmarking LLM Trustworthiness in Chemistry via Modular Error Detection, Localization, Explanation, and Revision
von: Wu, Yuyang, et al.
Veröffentlicht: (2025)

From short-sighted to far-sighted: A comparative study of recursive machine learning approaches for open quantum systems
von: Ullah, Arif
Veröffentlicht: (2025)

Quantum-inspired Chemical Rule for Discovering Topological Materials
von: Xu, Xinyu, et al.
Veröffentlicht: (2025)

milearn: A Python Package for Multi-Instance Machine Learning
von: Zankov, Dmitry, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Networks in Thermoelectric Materials Design
von: Fronzi, Marco, et al.
Veröffentlicht: (2025)

On the Formation Mechanisms of Hydrogen Ionic Clusters
von: M. Barbatti
Veröffentlicht: (2003)

Accelerated Surface Hopping via Scaling the Spin--Orbit Coupling: Opportunities for Machine Learning
von: Martinka, Jakub, et al.
Veröffentlicht: (2026)

Reed, Kate & Schenck, Marcia C.. 2023. The Right to Research: Historical Narratives by Refugees and Global South Researchers. Montreal, QC: McGill‐Queen’s University Press. pp. 280.
von: Elena Isayev
Veröffentlicht: (2024)

Jovian Zonal Winds Revealed from Cassini/VIMS Observations
von: Ma, Shenghan, et al.
Veröffentlicht: (2026)

CLORE: Content-Level Optimization for Reasoning Efficiency
von: Wu, Yuyang, et al.
Veröffentlicht: (2026)

Flexible Framework for Surface Hopping: From Hybrid Schemes for Machine Learning to Benchmarkable Nonadiabatic Dynamics
von: Martinka, Jakub, et al.
Veröffentlicht: (2025)

Harmonic Modulation as an "Auditory Radar": A 5D Training Model for Acoustic FPV Drone Detection
von: Lozovyi, Olexandr
Veröffentlicht: (2025)

The Prime Progression of Universal Harmonic Matrices: Scaling Zero-Jitter DDS from 16-bit to 64-bit Limits / Еволюція Універсальної Гармонійної Матриці
von: Lozovyi, Olexandr
Veröffentlicht: (2026)

Institutional Risk Diagnostics: G/D Index and 5D Behavioral Model (v1.0)
von: Lozovyi, Olexandr
Veröffentlicht: (2025)

Structural and flow approaches to complex network systems lesions scale analysis
von: Polishchuk, Olexandr
Veröffentlicht: (2024)

Can Agents Price a Reaction? Evaluating LLMs on Chemical Cost Reasoning
von: Wu, Yuyang, et al.
Veröffentlicht: (2026)

Performance Analysis of a Cooling‐Heating‐Electricity‐Ammonia Multigeneration System Integrated Concentrated Photovoltaic Photothermal and Operation Strategy
von: Kai Ding, et al.
Veröffentlicht: (2025)

Unraveling the catalytic potential of two‐dimensional conjugated metal–organic frameworks based on hexaazanaphthalene: machine learning‐driven insights into the origin of oxygen evolution‐reduction activity
von: Qiang Zhang, et al.
Veröffentlicht: (2025)

AIMNet2‐NSE: A Transferable Reactive Neural Network Potential for Open‐Shell Chemistry
von: Bhupalee Kalita, et al.
Veröffentlicht: (2025)

Can Shopping Make People Healthier? Evidence From Panel Data in China
von: Peikun Luo, et al.
Veröffentlicht: (2025)

MToP: A MATLAB Benchmarking Platform for Evolutionary Multitasking
von: Li, Yanchi, et al.
Veröffentlicht: (2023)