Buchumschlag

Towards Accurate Prediction of Configurational Disorder Properties in Materials using Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Zhenyao, Yan, Qimin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Persistent Homology Features for Accurate Defect Formation Energy Predictions via Graph Neural Networks
von: Fang, Zhenyao, et al.
Veröffentlicht: (2024)

Accurate Prediction of Tensorial Spectra Using Equivariant Graph Neural Network
von: Hsu, Ting-Wei, et al.
Veröffentlicht: (2025)

A Machine Learning Framework for Modeling Ensemble Properties of Atomically Disordered Materials
von: Fang, Zhenyao, et al.
Veröffentlicht: (2025)

Database of Tensorial Optical and Transport Properties of Materials From the Wannier Function Method
von: Fang, Zhenyao, et al.
Veröffentlicht: (2025)

Equivariant Graph Neural Networks for Prediction of Tensor Material Properties of Crystals
von: Heilman, Alex, et al.
Veröffentlicht: (2024)

Graph Transformer Networks for Accurate Band Structure Prediction: An End-to-End Approach
von: Gong, Weiyi, et al.
Veröffentlicht: (2024)

CTGNN: Crystal Transformer Graph Neural Network for Crystal Material Property Prediction
von: Du, Zijian, et al.
Veröffentlicht: (2024)

EOSnet: Embedded Overlap Structures for Graph Neural Networks in Predicting Material Properties
von: Tao, Shuo, et al.
Veröffentlicht: (2024)

SR-CGCNN: Shared Recurrent Convolution in Crystal Graph Neural Networks for Materials Property Prediction
von: Bhattacharjee, Satadeep
Veröffentlicht: (2026)

Scalable Dielectric Tensor Predictions for Inorganic Materials using Equivariant Graph Neural Networks
von: Hua, Haowei, et al.
Veröffentlicht: (2026)

Materials design based on a material-motif network and heterogeneous graphs
von: Aryal, Anoj, et al.
Veröffentlicht: (2026)

Crystal Hypergraph Convolutional Networks
von: Heilman, Alexander J., et al.
Veröffentlicht: (2024)

ADA-GNN: Atom-Distance-Angle Graph Neural Network for Crystal Material Property Prediction
von: Huang, Jiao, et al.
Veröffentlicht: (2024)

Entropy-based Active Learning of Graph Neural Network Surrogate Models for Materials Properties
von: Allotey, Johannes, et al.
Veröffentlicht: (2021)

FIRE-GNN: Force-informed, Relaxed Equivariance Graph Neural Network for Rapid and Accurate Prediction of Surface Properties
von: Hsu, Circe, et al.
Veröffentlicht: (2025)

Complete and Efficient Graph Transformers for Crystal Material Property Prediction
von: Yan, Keqiang, et al.
Veröffentlicht: (2024)

Multi-Source Domain Transfer Learning for Accurate Property Prediction in Two-Dimensional Materials
von: Zhang, Huiyang, et al.
Veröffentlicht: (2026)

Graph Neural Network Prediction of Nonlinear Optical Properties
von: Alkabakibi, Yomn, et al.
Veröffentlicht: (2025)

Self-supervised Representations and Node Embedding Graph Neural Networks for Accurate and Multi-scale Analysis of Materials
von: Kong, Jian-Gang, et al.
Veröffentlicht: (2022)

Kolmogorov-Arnold Networks Applied to Materials Property Prediction
von: Jacobs, Ryan, et al.
Veröffentlicht: (2026)

Machine Learning Materials Properties with Accurate Predictions, Uncertainty Estimates, Domain Guidance, and Persistent Online Accessibility
von: Jacobs, Ryan, et al.
Veröffentlicht: (2024)

Bridging deep learning force fields and electronic structures with a physics-informed approach
von: Qi, Yubo, et al.
Veröffentlicht: (2024)

Crystal Transformer Based Universal Atomic Embedding for Accurate and Transferable Prediction of Materials Properties
von: Jin, Luozhijie, et al.
Veröffentlicht: (2024)

Hybrid Quantum Graph Neural Network for Molecular Property Prediction
von: Vitz, Michael, et al.
Veröffentlicht: (2024)

Integrating Density Functional Theory with Deep Neural Networks for Accurate Voltage Prediction in Alkali-Metal-Ion Battery Materials
von: Hossain, Sk Mujaffar, et al.
Veröffentlicht: (2025)

Material-Property-Field-based Deep Neural Network in Hopfield Framework
von: Hu, Yanxiao, et al.
Veröffentlicht: (2026)

Symmetry-guided data-driven discovery of native quantum defects in two-dimensional materials
von: Tsai, Jeng-Yuan, et al.
Veröffentlicht: (2024)

Predicting the Curie Temperature of Magnetic Materials with Machine Learning: Descriptor Engineering, Graph Neural Networks, and the Role of Curated Data
von: Orang, Akram Abedi, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in Multivariable Regression for Material Property Prediction with Bayesian Neural Networks
von: Li, Longze, et al.
Veröffentlicht: (2023)

Generalizability of Graph Neural Network Force Fields for Predicting Solid-State Properties
von: Mohanty, Shaswat, et al.
Veröffentlicht: (2024)

Structure-Property Relationship in Disordered Hyperuniform Materials: Microstructure Representation, Field Fluctuations and Effective Properties
von: Zhong, Liyu, et al.
Veröffentlicht: (2025)

Stress Predictions in Polycrystal Plasticity using Graph Neural Networks with Subgraph Training
von: Zhai, Hanfeng
Veröffentlicht: (2024)

Effect of Concentration Fluctuations on Material Properties of Disordered Alloys
von: Liang, Han-Pu, et al.
Veröffentlicht: (2025)

PDDFormer: Pairwise Distance Distribution Graph Transformer for Crystal Material Property Prediction
von: Shen, Xiangxiang, et al.
Veröffentlicht: (2024)

Scaling Laws of Graph Neural Networks for Atomistic Materials Modeling
von: Li, Chaojian, et al.
Veröffentlicht: (2025)

Investigating Material Interface Diffusion Phenomena through Graph Neural Networks in Applied Materials
von: Zhao, Zirui, et al.
Veröffentlicht: (2024)

XANE(3): An E(3)-Equivariant Graph Neural Network for Accurate Prediction of XANES Spectra from Atomic Structures
von: Grizzi, Vitor F., et al.
Veröffentlicht: (2026)

Toward Generalizable Surrogate Models for Molecular Dynamics via Graph Neural Networks
von: Immanuel, Judah, et al.
Veröffentlicht: (2025)

Towards Universal Material Property Prediction with Deep Learning and Single-Descriptor electronic Density
von: Chen, Feng, et al.
Veröffentlicht: (2025)

Pre-training Graph Neural Networks with Structural Fingerprints for Materials Discovery
von: Jia, Shuyi, et al.
Veröffentlicht: (2025)