Buchumschlag

A Prompt-Engineered Large Language Model, Deep Learning Workflow for Materials Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Siyu, Wen, Tongqi, Pattamatta, A. S. L. Subrahmanyam, Srolovitz, David J.
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

A "Magnetic" Machine Learning Interatomic Potential for Nickel
von: Gong, Xiaoguo, et al.
Veröffentlicht: (2023)

Large Language Models for Material Property Predictions: elastic constant tensor prediction and materials design
von: Liu, Siyu, et al.
Veröffentlicht: (2024)

MatTools: Benchmarking Large Language Models for Materials Science Tools
von: Liu, Siyu, et al.
Veröffentlicht: (2025)

Atomistic Machine Learning with Irreducible Cartesian Natural Tensors
von: Chen, Qun, et al.
Veröffentlicht: (2025)

Active Learning for Conditional Inverse Design with Crystal Generation and Foundation Atomic Models
von: Li, Zhuoyuan, et al.
Veröffentlicht: (2025)

Deep Potentials for Materials Science
von: Wen, Tongqi, et al.
Veröffentlicht: (2022)

An Extendable Cloud-Native Alloy Property Explorer
von: Li, Zhuoyuan, et al.
Veröffentlicht: (2024)

Classical and Machine Learning Interatomic Potentials for BCC Vanadium
von: Wang, Rui, et al.
Veröffentlicht: (2022)

A Multi-agent Framework for Physical Laws Discovery
von: Hu, Bo, et al.
Veröffentlicht: (2024)

Atomistic Structure of Transient Switching States in Ferroelectric AlScN
von: Huang, Jiawei, et al.
Veröffentlicht: (2025)

Atomistic modelling of all dislocations and twins in HCP and BCC Ti
von: Wen, Tongqi, et al.
Veröffentlicht: (2022)

Strain-Tunable Opto-electronics in PdS$_2$ Monolayer: the Role of Band Nesting and Carrier-Phonon Scattering
von: Wang, Hongfa, et al.
Veröffentlicht: (2025)

Inverse Materials Design by Large Language Model-Assisted Generative Framework
von: Hao, Yun, et al.
Veröffentlicht: (2025)

Why Grain Growth is Not Curvature Flow
von: Qiu, Caihao, et al.
Veröffentlicht: (2024)

Shear-Coupled Grain Growth Statistics
von: Qiu, Caihao, et al.
Veröffentlicht: (2026)

Extracting Accurate Materials Data from Research Papers with Conversational Language Models and Prompt Engineering
von: Polak, Maciej P., et al.
Veröffentlicht: (2023)

Exploring the Expertise of Large Language Models in Materials Science and Metallurgical Engineering
von: Bajan, Christophe, et al.
Veröffentlicht: (2025)

Illustrating an Effective Workflow for Accelerated Materials Discovery
von: Mulukutla, Mrinalini, et al.
Veröffentlicht: (2024)

Tetragonal Fe2O: the stable iron oxide at Earth's core conditions
von: Jiang, Junjie, et al.
Veröffentlicht: (2025)

A Critical Examination of Active Learning Workflows in Materials Science
von: Nair, Akhil S., et al.
Veröffentlicht: (2026)

Dynamics of Small Solid Particles on Substrates of Arbitrary Topography
von: Zhao, Quan, et al.
Veröffentlicht: (2024)

Kinetic and Equilibrium Shapes of Cylindrical Grain Boundaries
von: Qiu, Anqi, et al.
Veröffentlicht: (2024)

Engineering Point Defects in MoS2 for Tailored Material Properties using Large Language Models
von: Al-Maeeni, Abdalaziz, et al.
Veröffentlicht: (2025)

GPTArticleExtractor: An Automated Workflow for Magnetic Material Database Construction
von: Zhang, Yibo, et al.
Veröffentlicht: (2024)

Learning Magnetic Order Classification from Large-Scale Materials Databases
von: Fahmy, Ahmed E.
Veröffentlicht: (2025)

Enhancing Magnetocaloric Material Discovery: A Machine Learning Approach Using an Autogenerated Database by Large Language Models
von: Yuan, Jiaoyue, et al.
Veröffentlicht: (2024)

Expert-Grounded Automatic Prompt Engineering for Extracting Lattice Constants of High-Entropy Alloys from Scientific Publications using Large Language Models
von: Liu, Shunshun, et al.
Veröffentlicht: (2025)

Training-Free Active Learning Framework in Materials Science with Large Language Models
von: Wang, Hongchen, et al.
Veröffentlicht: (2025)

TXL Fusion: A Hybrid Machine Learning Framework Integrating Chemical Heuristics and Large Language Models for Topological Materials Discovery
von: Ullah, Arif, et al.
Veröffentlicht: (2025)

Formation Energy Prediction of Material Crystal Structures using Deep Learning
von: Torlao, V., et al.
Veröffentlicht: (2024)

Large Language Model-Driven Database for Thermoelectric Materials
von: Itani, Suman, et al.
Veröffentlicht: (2024)

Large Language Model-Guided Prediction Toward Quantum Materials Synthesis
von: Okabe, Ryotaro, et al.
Veröffentlicht: (2024)

High-Throughput-Screening Workflow for Predicting Volume Changes by Ion Intercalation in Battery Materials
von: Baumann, Aljoscha Felix, et al.
Veröffentlicht: (2026)

Self-Optimizing Machine Learning Potential Assisted Automated Workflow for Highly Efficient Complex Systems Material Design
von: Li, Jiaxiang, et al.
Veröffentlicht: (2025)

Regression with Large Language Models for Materials and Molecular Property Prediction
von: Jacobs, Ryan, et al.
Veröffentlicht: (2024)

Foundational Large Language Models for Materials Research
von: Mishra, Vaibhav, et al.
Veröffentlicht: (2024)

Accelerated Materials Discovery through Cost-Aware Bayesian Optimization of Real-World Indentation Workflows
von: Chawla, Vivek, et al.
Veröffentlicht: (2025)

Reliable End-to-End Material Information Extraction from the Literature with Source-Tracked Multi-Stage Large Language Models
von: Wang, Xin, et al.
Veröffentlicht: (2025)

GEWUM: General Exploration Workflow for the Utopia of Materials: A Unified Platform for Automated Structure Generation, Selection, and Validation
von: Song, Jiexi, et al.
Veröffentlicht: (2026)

From Text to Insight: Large Language Models for Materials Science Data Extraction
von: Schilling-Wilhelmi, Mara, et al.
Veröffentlicht: (2024)