Buchumschlag

Enhancing crystal structure prediction by combining computational and experimental data via graph networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qin, Chenglong, Liu, Jinde, Ma, Shiyin, Du, Jiguang, Jiang, Gang, Zhao, Liang
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

DenseGNN: universal and scalable deeper graph neural networks for high-performance property prediction in crystals and molecules
von: Du, Hongwei, et al.
Veröffentlicht: (2025)

The Fe-N system: crystal structure prediction, phase stability, and mechanical properties
von: Bao, Ergen, et al.
Veröffentlicht: (2024)

Universal crystal material property prediction via multi-view geometric fusion in graph transformers
von: Zhang, Liang, et al.
Veröffentlicht: (2025)

Unveiling the critical factors in crystal structure graph representation: a comparative analysis using streamlined MLPSets frameworks
von: Du, Hongwei, et al.
Veröffentlicht: (2025)

Deep learning generative model for crystal structure prediction
von: Luo, Xiaoshan, et al.
Veröffentlicht: (2024)

Electronic and optical properties of computationally predicted Na-K-Sb crystals
von: Xu, Chung, et al.
Veröffentlicht: (2024)

Understanding the transport behaviour of PbSe: A combined experimental and computational study
von: Sihmar, Isha, et al.
Veröffentlicht: (2024)

On the determination of the thermal shock parameter of MAX phases: A combined experimental-computational study
von: Fekete, Matej, et al.
Veröffentlicht: (2023)

PRISM: Periodic Representation with multIscale and Similarity graph Modelling for enhanced crystal structure property prediction
von: Solé, Àlex, et al.
Veröffentlicht: (2025)

Algorithmic detection of crystal structures from computer simulation data
von: Kundu, Sumitava, et al.
Veröffentlicht: (2024)

Discovery of highly anisotropic dielectric crystals with equivariant graph neural networks
von: Lou, Yuchen, et al.
Veröffentlicht: (2024)

Thermodynamics of stacking faults and phase stability in cobalt alloys: A combined computational and experimental study
von: Zhong, Zheng, et al.
Veröffentlicht: (2026)

AlphaCrystal-II: Distance matrix based crystal structure prediction using deep learning
von: Song, Yuqi, et al.
Veröffentlicht: (2024)

A symmetry-oriented crystal structure prediction method for crystals with rigid bodies
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Identification of the high-pressure phases of alpha-SnWO4 combining x-ray diffraction and crystal structure prediction
von: Diaz-Anichtchenko, Daniel, et al.
Veröffentlicht: (2025)

An equivariant graph neural network for the elasticity tensors of all seven crystal systems
von: Wen, Mingjian, et al.
Veröffentlicht: (2023)

Discovery of oxide Li-conducting electrolytes in uncharted chemical space via topology-constrained crystal structure prediction
von: Hwang, Seungwoo, et al.
Veröffentlicht: (2025)

New insight into quantifying vacancy distribution in self-ion irradiated tungsten: a combined experimental and computational study
von: Hu, Zhiwei, et al.
Veröffentlicht: (2024)

Coarse-grained crystal graph neural networks for reticular materials design
von: Korolev, Vadim, et al.
Veröffentlicht: (2023)

Thermoelectric properties of marcasite-type compounds MSb$_2$ (M = Ta, Nb): A combined experimental and computational study
von: Sk, Shamim, et al.
Veröffentlicht: (2024)

Additively manufactured Ni-20Cr to V functionally graded material: computational predictions and experimental verification of phase formations
von: Tonyali, Beril, et al.
Veröffentlicht: (2024)

Machine learning supported annealing for prediction of grand canonical crystal structures
von: Couzinie, Yannick, et al.
Veröffentlicht: (2024)

Iterative learning scheme for crystal structure prediction with anharmonic lattice dynamics
von: Gao, Hao, et al.
Veröffentlicht: (2025)

Revealing the molecular structures of a-Al2O3(0001)-water interface by machine learning based computational vibrational spectroscopy
von: Du, Xianglong, et al.
Veröffentlicht: (2024)

Shotgun crystal structure prediction using machine-learned formation energies
von: Liu, Chang, et al.
Veröffentlicht: (2023)

UNATE: UNsupervised ATomic Embedding for crystal structures property prediction
von: Solà-Garcia, Laura, et al.
Veröffentlicht: (2026)

SSCHA-based evolutionary crystal structure prediction at finite temperatures with account for quantum nuclear motion
von: Poletaev, Daniil, et al.
Veröffentlicht: (2025)

Self-supervised learning for crystal property prediction via denoising
von: New, Alexander, et al.
Veröffentlicht: (2024)

Illuminating the property space in crystal structure prediction using Quality-Diversity algorithms
von: Wolinska, Marta, et al.
Veröffentlicht: (2024)

Crystal structure prediction with nuclear quantum and finite-temperature effects via deep free energy learning
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2026)

Optimized growth of large-size, high quality $\text{ZrTe}_5$ single crystals enabling clear quantum oscillations in electrical transport
von: Du, Hong, et al.
Veröffentlicht: (2026)

Equivariant graph neural network surrogates for predicting the properties of relaxed atomic configurations
von: Holber, Jamie, et al.
Veröffentlicht: (2025)

Towards predictive atomistic simulations of SiC crystal growth
von: Reichmann, Alexander, et al.
Veröffentlicht: (2025)

Phonon predictions with E(3)-equivariant graph neural networks
von: Fang, Shiang, et al.
Veröffentlicht: (2024)

Acceleration of crystal structure relaxation with Deep Reinforcement Learning
von: Trukhan, Elena, et al.
Veröffentlicht: (2025)

Accelerated prediction of dielectric functions in solar cell materials with graph neural networks
von: Ginter, Caden, et al.
Veröffentlicht: (2025)

Exploring structure diversity in atomic resolution microscopy with graph neural networks
von: Luo, Zheng, et al.
Veröffentlicht: (2024)

High throughput screening, crystal structure prediction, and carrier mobility calculations of organic molecular semiconductors as hole transport layer materials in perovskite solar cells
von: Faruque, Md Omar, et al.
Veröffentlicht: (2024)

Modeling crystal defects using defect-informed neural networks
von: Yang, Ziduo, et al.
Veröffentlicht: (2025)

Determination of bonding radii from small-molecule crystal structures
von: Šidlauskaitė, Eglė, et al.
Veröffentlicht: (2026)