Buchumschlag

Machine Learning-Driven Structure Prediction for Iron Hydrides

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tahmasbi, Hossein, Ramakrishna, Kushal, Lokamani, Mani, Cangi, Attila
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Electrical Conductivity of Warm Dense Hydrogen from Ohm's Law and Time-Dependent Density Functional Theory
von: Ramakrishna, Kushal, et al.
Veröffentlicht: (2024)

Can MACE Potentials Accurately Describe Magnetism and Phase Stability in Fe-Ni Alloys? A Systematic Benchmark
von: Ramakrishna, Kushal, et al.
Veröffentlicht: (2026)

Impact of Electronic Correlations on High-Pressure Iron: Insights from Time-Dependent Density Functional Theory
von: Ramakrishna, Kushal, et al.
Veröffentlicht: (2022)

Thermal PBE in warm dense matter: Does it matter and is it accurate?
von: Ramakrishna, Kushal, et al.
Veröffentlicht: (2026)

Scalable Machine Learning Model for Energy Decomposition Analysis in Aqueous Systems
von: Tahmasbi, Hossein, et al.
Veröffentlicht: (2025)

Ab initio insights on the ultrafast strong-field dynamics of anatase TiO$_2$
von: B, Sruthil Lal S., et al.
Veröffentlicht: (2023)

Accelerating Electron Dynamics Simulations through Machine Learned Time Propagators
von: Shah, Karan, et al.
Veröffentlicht: (2024)

Machine Learning Time Propagators for Time-Dependent Density Functional Theory Simulations
von: Shah, Karan, et al.
Veröffentlicht: (2025)

Benchmarking Universal Machine Learning Interatomic Potentials on Elemental Systems
von: Tahmasbi, Hossein, et al.
Veröffentlicht: (2025)

Prediction of atomic H adsorption energies in metalloid doped MSSe (M = Mo/W) Janus layers: A combined DFT and machine learning study
von: Tejaswini, G., et al.
Veröffentlicht: (2025)

Towards Non-van der Waals 2D Topological Insulators
von: Lokamani, Mani, et al.
Veröffentlicht: (2026)

Materials Learning Algorithms (MALA): Scalable Machine Learning for Electronic Structure Calculations in Large-Scale Atomistic Simulations
von: Cangi, Attila, et al.
Veröffentlicht: (2024)

A Hybrid Machine Learning Framework for Predicting Hydrogen Storage Capacities in Metal Hydrides: Unsupervised Feature Learning with Deep Neural Networks
von: Bhattacharjee, Satadeep, et al.
Veröffentlicht: (2024)

Accelerating Crystal Structure Prediction Using Data-Derived Potentials: High-Pressure Binary Hydrides
von: Conway, Lewis J., et al.
Veröffentlicht: (2025)

Novel Electronic Structure of Nitrogen-Doped Lutetium Hydrides
von: Denchfield, Adam, et al.
Veröffentlicht: (2023)

Composition-Based Machine Learning for Screening Superconducting Ternary Hydrides from a Curated Dataset
von: Tokuyama, Kazuaki, et al.
Veröffentlicht: (2025)

Accelerating Complex Materials Discovery with Universal Machine-Learning Potential-Driven Structure Prediction
von: An, Yuqi, et al.
Veröffentlicht: (2026)

Hydride superconductivity: here to stay
von: Boebinger, Gregory S., et al.
Veröffentlicht: (2024)

Stability and Structure of Binary Metal Hydrides under Pressure, Electrochemical Potential and Combined Pressure-Electrochemistry
von: Phuthi, Mgcini Keith, et al.
Veröffentlicht: (2025)

Superconductivity in Dilute Hydrides of Ammonia under Pressure
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Stoichiometry Dependent Properties of Cerium Hydride: An Active Learning Developed Interatomic Potential Study
von: Hamilton, Brenden W., et al.
Veröffentlicht: (2026)

Machine Learning Prediction of Charged Defect Formation Energies from Crystal Structures
von: Kiyohara, Shin, et al.
Veröffentlicht: (2025)

Machine Learning for Predicting Magnetization from X-ray Diffraction of Iron Oxide Nanoparticles Using Simple Physics-Based Data Generation
von: Abel, Frank M., et al.
Veröffentlicht: (2025)

Data-Driven Review and Machine Learning Prediction of Diamond Vacancy Center Synthesis
von: Jiang, Zhi, et al.
Veröffentlicht: (2025)

Machine Learning-Driven Analytical Models for Threshold Displacement Energy Prediction in Materials
von: Duque, Rosty B. Martinez, et al.
Veröffentlicht: (2025)

Data-driven Design of High Pressure Hydride Superconductors using DFT and Deep Learning
von: Wines, Daniel, et al.
Veröffentlicht: (2023)

Predicting Interface Structure using the Minima Hopping Method with a Machine Learning Interatomic Potential
von: Chou, Chang-Ti, et al.
Veröffentlicht: (2026)

Novel Superconducting Ternary Hydrides under High Pressure
von: Zhu, Bangshuai, et al.
Veröffentlicht: (2024)

Designing Quaternary Hydrides with Potential High T$_c$ Superconductivity
von: Denchfield, Adam, et al.
Veröffentlicht: (2024)

Accelerating Amorphous Alloy Discovery: Data-Driven Property Prediction via General-Purpose Machine Learning Interatomic Potential
von: Gong, Xuhe, et al.
Veröffentlicht: (2025)

The Critical Metallization of Hydrogen in Pressurized LaBeH8 Hydride
von: Zhang, Zihan, et al.
Veröffentlicht: (2024)

Physically Interpretable Descriptors Drive the Materials Design of Metal Hydrides for Hydrogen Storage
von: Jang, Seong-Hoon, et al.
Veröffentlicht: (2025)

Data‐Driven Design of Epoxy Composites: Heat Resistance Prediction Using Machine Learning Algorithms
von: Oleh Pastukh, et al.
Veröffentlicht: (2026)

Correlative Analysis of Iron-Driven Structural, Optical, and Magnetic Properties in Natural Biotite Crystals
von: de Oliveira, Raphaela, et al.
Veröffentlicht: (2025)

Melting Temperature of Iron Under the Earth's Inner Core Condition from Deep Machine Learning
von: Wu, Fulun, et al.
Veröffentlicht: (2024)

Bridging Theory and Experiment in Materials Discovery: Machine-Learning-Assisted Prediction of Synthesizable Structures
von: Xin, Yu, et al.
Veröffentlicht: (2025)

Machine Learning-Driven Crystal System Prediction for Perovskites Using Augmented X-ray Diffraction Data
von: Mathew, Ansu, et al.
Veröffentlicht: (2026)

Prediction and Synthesis of Mg$_4$Pt$_3$H$_6$: A Metallic Complex Transition Metal Hydride Stabilized at Ambient Pressure
von: Lu, Wencheng, et al.
Veröffentlicht: (2025)

Electron Ptychography Images Hydrogen Atom Superlattices and 3D Inhomogeneities in Palladium Hydride Nanoparticles
von: Shi, Zixiao, et al.
Veröffentlicht: (2025)

Delta Machine Learning for Predicting Dielectric Properties and Raman Spectra
von: Grumet, Manuel, et al.
Veröffentlicht: (2023)