Buchumschlag

Spectral Maps for Learning Reduced Representations of Molecular Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gökdemir, Tuğçe, Rydzewski, Jakub
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Markovian Dynamics with Spectral Maps
von: Rydzewski, Jakub, et al.
Veröffentlicht: (2023)

A Note on Spectral Map
von: Gökdemir, Tuğçe, et al.
Veröffentlicht: (2024)

Machine Learning of Slow Collective Variables and Enhanced Sampling via Spatial Techniques
von: Gökdemir, Tuğçe, et al.
Veröffentlicht: (2024)

Selecting High-Dimensional Representations of Physical Systems by Reweighted Diffusion Maps
von: Rydzewski, Jakub
Veröffentlicht: (2024)

Spectral Map: Embedding Slow Kinetics in Collective Variables
von: Rydzewski, Jakub
Veröffentlicht: (2024)

Spectral Map for Slow Collective Variables, Markovian Dynamics, and Transition State Ensembles
von: Rydzewski, Jakub
Veröffentlicht: (2024)

NeuralTSNE: A Python Package for the Dimensionality Reduction of Molecular Dynamics Data Using Neural Networks
von: Tajs, Patryk, et al.
Veröffentlicht: (2025)

Decoding Binding Pathways of Ligands in Prolyl Oligopeptidase
von: Walczewska-Szewc, Katarzyna, et al.
Veröffentlicht: (2025)

Constructing Generalized Sample Transition Probabilities with Biased Simulations
von: Wang, Yanbin, et al.
Veröffentlicht: (2025)

Illuminating Protein Dynamics: A Review of Computational Methods for Studying Photoactive Proteins
von: Czach, Sylwia, et al.
Veröffentlicht: (2025)

Reweighted Manifold Learning of Collective Variables from Enhanced Sampling Simulations
von: Rydzewski, Jakub, et al.
Veröffentlicht: (2022)

A Bond-Based Machine Learning Model for Molecular Polarizabilities and A Priori Raman Spectra
von: Sowa, Jakub K., et al.
Veröffentlicht: (2024)

Advancing Molecular Machine Learning Representations with Stereoelectronics-Infused Molecular Graphs
von: Boiko, Daniil A., et al.
Veröffentlicht: (2024)

Spectral Operator Representations
von: Zadoks, Austin, et al.
Veröffentlicht: (2024)

Twin-Space Representation of Classical Mapping Model in the Constraint Phase Space Representation: Numerically Exact Approach to Open Quantum Systems
von: Zhang, Jiaji, et al.
Veröffentlicht: (2025)

OrbitAll: A Unified Quantum Mechanical Representation Deep Learning Framework for All Molecular Systems
von: Kang, Beom Seok, et al.
Veröffentlicht: (2025)

High-Accuracy Physical Property Prediction for Organics via Molecular Representation Learning: Bridging Data to Discovery
von: Ou, Qi, et al.
Veröffentlicht: (2025)

An Equivariant Pretrained Transformer for Unified 3D Molecular Representation Learning
von: Jiao, Rui, et al.
Veröffentlicht: (2024)

UniField: RBF-Guided Electron Density Fusion for Enhanced Molecular Representations
von: Zhang, Wei, et al.
Veröffentlicht: (2026)

MesoNet: A Fundamental Principle for Multi-Representation Learning in Complex Chemical Systems
von: Fan, Jinming, et al.
Veröffentlicht: (2025)

Follow the MEP: Scalable Neural Representations for Minimum-Energy Path Discovery in Molecular Systems
von: Petersen, Magnus, et al.
Veröffentlicht: (2025)

MUBen: Benchmarking the Uncertainty of Molecular Representation Models
von: Li, Yinghao, et al.
Veröffentlicht: (2023)

Limitations of the rate-distribution formalism in describing luminescence quenching in the presence of diffusion
von: Jędrak, Jakub, et al.
Veröffentlicht: (2024)

Large Differences Between Stochastic and Deterministic Kinetics in a Simple Autocatalytic Reaction Network
von: Bednarek, Tomasz, et al.
Veröffentlicht: (2024)

Reduced Dynamical Maps in Finite Temperature Vibronic Coupling Models via Choi Matrices: Numerical Methods and Applications
von: Borrelli, Raffaele, et al.
Veröffentlicht: (2026)

Learning Non-Local Molecular Interactions via Equivariant Local Representations and Charge Equilibration
von: Fuchs, Paul, et al.
Veröffentlicht: (2025)

Electron-Informed Coarse-Graining Molecular Representation Learning for Real-World Molecular Physics
von: Na, Gyoung S., et al.
Veröffentlicht: (2026)

The Spin-MInt Algorithm: an Accurate and Symplectic Propagator for the Spin-Mapping Representation of Nonadiabatic Dynamics
von: Cook, Lauren E., et al.
Veröffentlicht: (2025)

sbml4md: A computational platform for System-Bath Modeling via Molecular Dynamics powered by Machine Learning
von: Park, Kwanghee, et al.
Veröffentlicht: (2026)

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

Learning Long-Range Representations with Equivariant Messages
von: Rumiantsev, Egor, et al.
Veröffentlicht: (2025)

System-Bath Modeling in Vibrational Spectroscopy via Molecular Dynamics: A Machine Learning Framework for Hierarchical Equations of Motion (HEOM)
von: Park, Kwanghee, et al.
Veröffentlicht: (2025)

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

Reducing Training Data Needs with Minimal Multilevel Machine Learning (M3L)
von: Heinen, Stefan, et al.
Veröffentlicht: (2023)

A Molecular Perspective of Exciton Condensation from Particle-hole Reduced Density Matrices
von: Torres, Lillian I. Payne, et al.
Veröffentlicht: (2024)

Machine Learning Framework for Modeling Exciton-Polaritons in Molecular Materials
von: Li, Xinyang, et al.
Veröffentlicht: (2023)

Spectral Analysis of Molecular Kernels: When Richer Features Do Not Guarantee Better Generalization
von: Jamali, Asma, et al.
Veröffentlicht: (2025)

Atom-Density Representations for Machine Learning
von: Willatt, Michael J., et al.
Veröffentlicht: (2018)

High-Dimensional Operator Learning for Molecular Density Functional Theory
von: Yang, Jinni, et al.
Veröffentlicht: (2024)

Explicit, Machine-Learned Two-Body Potentials for Molecular Simulations
von: Chaton, Kham Lek, et al.
Veröffentlicht: (2026)