Buchumschlag

Equivariant Neural Network Force Fields for Magnetic Materials

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuan, Zilong, Xu, Zhiming, Li, He, Cheng, Xinle, Tao, Honggeng, Tang, Zechen, Zhou, Zhiyuan, Duan, Wenhui, Xu, Yong
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

Neural-network Density Functional Theory Based on Variational Energy Minimization
von: Li, Yang, et al.
Veröffentlicht: (2024)

DeepH-2: Enhancing deep-learning electronic structure via an equivariant local-coordinate transformer
von: Wang, Yuxiang, et al.
Veröffentlicht: (2024)

Deep learning density functional theory Hamiltonian in real space
von: Yuan, Zilong, et al.
Veröffentlicht: (2024)

Improving density matrix electronic structure method by deep learning
von: Tang, Zechen, et al.
Veröffentlicht: (2024)

Universal materials model of deep-learning density functional theory Hamiltonian
von: Wang, Yuxiang, et al.
Veröffentlicht: (2024)

Deep-Learning Database of Density Functional Theory Hamiltonians for Twisted Materials
von: Bao, Ting, et al.
Veröffentlicht: (2024)

SuperSalt: Equivariant Neural Network Force Fields for Multicomponent Molten Salts System
von: Shen, Chen, et al.
Veröffentlicht: (2024)

DeepH-pack: A general-purpose neural network package for deep-learning electronic structure calculations
von: Li, Yang, et al.
Veröffentlicht: (2026)

Deep-learning density functional perturbation theory
von: Li, He, et al.
Veröffentlicht: (2024)

Stable magic angle in twisted Kane-Mele materials
von: Xu, Cheng, et al.
Veröffentlicht: (2024)

Spin-chirality-driven second-harmonic generation in two-dimensional magnet CrSBr
von: Wu, Dezhao, et al.
Veröffentlicht: (2025)

Multiple Layer-Selective Polar Charge Density Waves in ${\rm{EuTe}}_{4}$
von: Dong, Wen-Han, et al.
Veröffentlicht: (2026)

Chiral magnetism in lithium-decorated monolayer CrTe$_{2}$: Interplay between Dzyaloshinskii-Moriya interaction and higher-order interactions
von: Pan, Weiyi, et al.
Veröffentlicht: (2023)

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

Geometrical Nonlinear Hall Effect Induced by Lorentz Force
von: Yao, Junjie, et al.
Veröffentlicht: (2024)

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

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

A Perspective on Training Machine Learning Force Fields for Solid-State Electrolyte Materials
von: Yan, Zihan, et al.
Veröffentlicht: (2026)

Giant and controllable nonlinear magneto-optical effects in two-dimensional magnets
von: Wu, Dezhao, et al.
Veröffentlicht: (2024)

Manipulating Charge Distribution in Moiré Superlattices by Light
von: Guo, Ruiping, et al.
Veröffentlicht: (2026)

Equivariant Many-body Message Passing Interatomic Potentials for Magnetic Materials
von: Ho, Cheuk Hin, et al.
Veröffentlicht: (2026)

Higher-Order Equivariant Neural Networks for Charge Density Prediction in Materials
von: Koker, Teddy, et al.
Veröffentlicht: (2023)

Predicting the Thermal Behavior of Semiconductor Defects with Equivariant Neural Networks
von: Zhu, Xiangzhou, et al.
Veröffentlicht: (2025)

Long-Range Spin-Orbit-Coupled Magnetoelectricity in Type-II Multiferroic NiI$_2$
von: Pan, Weiyi, et al.
Veröffentlicht: (2025)

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

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

SA-GAT-SR: Self-Adaptable Graph Attention Networks with Symbolic Regression for high-fidelity material property prediction
von: Liu, Junchi, et al.
Veröffentlicht: (2025)

Equivariant Matrix Function Neural Networks
von: Batatia, Ilyes, et al.
Veröffentlicht: (2023)

Transferable Water Potentials Using Equivariant Neural Networks
von: Maxson, Tristan, et al.
Veröffentlicht: (2024)

Strength of 2D Glasses Explored by Machine-Learning Force Fields
von: Shi, Pengjie, et al.
Veröffentlicht: (2024)

Force-Free Molecular Dynamics Through Autoregressive Equivariant Networks
von: Thiemann, Fabian L., et al.
Veröffentlicht: (2025)

Chiral Floquet Engineering on Topological Fermions in Chiral Crystals
von: Fan, Benshu, et al.
Veröffentlicht: (2024)

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

Tracing Ion Migration in Halide Perovskites with Machine Learned Force Fields
von: Tyagi, Viren, et al.
Veröffentlicht: (2024)

Equivariant Space Group and Hamiltonian for Collinear Magnetic Systems
von: Cui, Chaoxi, et al.
Veröffentlicht: (2026)

Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials
von: Dong, Guangyi, et al.
Veröffentlicht: (2025)

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

Observing Nucleation and Crystallization of Rocksalt LiF from Molten State through Molecular Dynamics Simulations with Refined Machine-Learned Force Field
von: Xu, Boyuan, et al.
Veröffentlicht: (2025)

A Planning-and-Exploring Approach to Extreme-Mechanics Force Fields
von: Shi, Pengjie, et al.
Veröffentlicht: (2023)

Machine Learning for Electron-phonon Interactions From Finite Difference
von: Wang, Zun, et al.
Veröffentlicht: (2026)