Buchumschlag

A Sober Look at LLMs for Material Discovery: Are They Actually Good for Bayesian Optimization Over Molecules?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kristiadi, Agustinus, Strieth-Kalthoff, Felix, Skreta, Marta, Poupart, Pascal, Aspuru-Guzik, Alán, Pleiss, Geoff
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How Useful is Intermittent, Asynchronous Expert Feedback for Bayesian Optimization?
von: Kristiadi, Agustinus, et al.
Veröffentlicht: (2024)

Limits of PRM-Guided Tree Search for Mathematical Reasoning with LLMs
von: Cinquin, Tristan, et al.
Veröffentlicht: (2025)

One Set to Rule Them All: How to Obtain General Chemical Conditions via Bayesian Optimization over Curried Functions
von: Schmid, Stefan P., et al.
Veröffentlicht: (2025)

A Critical Look At Tokenwise Reward-Guided Text Generation
von: Rashid, Ahmad, et al.
Veröffentlicht: (2024)

BoTier: Multi-Objective Bayesian Optimization with Tiered Composite Objectives
von: Haddadnia, Mohammad, et al.
Veröffentlicht: (2025)

Preventing Arbitrarily High Confidence on Far-Away Data in Point-Estimated Discriminative Neural Networks
von: Rashid, Ahmad, et al.
Veröffentlicht: (2023)

Introduction to the Analysis of Probabilistic Decision-Making Algorithms
von: Kristiadi, Agustinus
Veröffentlicht: (2025)

Efficient Evolutionary Search Over Chemical Space with Large Language Models
von: Wang, Haorui, et al.
Veröffentlicht: (2024)

Towards Cost-Effective Reward Guided Text Generation
von: Rashid, Ahmad, et al.
Veröffentlicht: (2025)

Spiers Memorial Lecture: How to do impactful research in artificial intelligence for chemistry and materials science
von: Cheng, Austin, et al.
Veröffentlicht: (2024)

Ranking over Regression for Bayesian Optimization and Molecule Selection
von: Tom, Gary, et al.
Veröffentlicht: (2024)

On the Disconnect Between Theory and Practice of Neural Networks: Limits of the NTK Perspective
von: Wenger, Jonathan, et al.
Veröffentlicht: (2023)

Adaptive Candidate Point Thompson Sampling for High-Dimensional Bayesian Optimization
von: Fan, Donney, et al.
Veröffentlicht: (2026)

Uncertainty-Guided Likelihood Tree Search
von: Grosse, Julia, et al.
Veröffentlicht: (2024)

RePLan: Robotic Replanning with Perception and Language Models
von: Skreta, Marta, et al.
Veröffentlicht: (2024)

Quantum Deep Equilibrium Models
von: Schleich, Philipp, et al.
Veröffentlicht: (2024)

Scalable Autoregressive 3D Molecule Generation
von: Cheng, Austin H., et al.
Veröffentlicht: (2025)

Simplifying Bayesian Optimization Via In-Context Direct Optimum Sampling
von: de Carvalho, Gustavo Sutter Pessurno, et al.
Veröffentlicht: (2025)

Efficient Quantum Algorithm for All Quantum Wavelet Transforms
von: Bagherimehrab, Mohsen, et al.
Veröffentlicht: (2023)

Informing Acquisition Functions via Foundation Models for Molecular Discovery
von: Chen, Qi, et al.
Veröffentlicht: (2025)

Discrete Feynman-Kac Correctors
von: Hasan, Mohsin, et al.
Veröffentlicht: (2026)

Learning with springs and sticks
von: Calderón, Luis Mantilla, et al.
Veröffentlicht: (2025)

FlashMD: long-stride, universal prediction of molecular dynamics
von: Bigi, Filippo, et al.
Veröffentlicht: (2025)

Learning Zero-Shot Material States Segmentation, by Implanting Natural Image Patterns in Synthetic Data
von: Eppel, Sagi, et al.
Veröffentlicht: (2024)

Structure Learning with Continuous Optimization: A Sober Look and Beyond
von: Ng, Ignavier, et al.
Veröffentlicht: (2023)

A theory of understanding for artificial intelligence: composability, catalysts, and learning
von: Zhang, Zijian, et al.
Veröffentlicht: (2024)

Waveflow: boundary-conditioned normalizing flows applied to fermionic wavefunctions
von: Thiede, Luca, et al.
Veröffentlicht: (2022)

Generative diffusion model for surface structure discovery
von: Rønne, Nikolaj, et al.
Veröffentlicht: (2024)

qSWIFT: High-order randomized compiler for Hamiltonian simulation
von: Nakaji, Kouhei, et al.
Veröffentlicht: (2023)

Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts
von: Skreta, Marta, et al.
Veröffentlicht: (2025)

Position: Curvature Matrices Should Be Democratized via Linear Operators
von: Dangel, Felix, et al.
Veröffentlicht: (2025)

Approximation-Aware Bayesian Optimization
von: Maus, Natalie, et al.
Veröffentlicht: (2024)

Low-Rank Filtering and Smoothing for Sequential Deep Learning
von: Sliwa, Joanna, et al.
Veröffentlicht: (2024)

A Sober Look at the Robustness of CLIPs to Spurious Features
von: Wang, Qizhou, et al.
Veröffentlicht: (2024)

A Sober Look at Agentic Misalignment in Automated Workflows
von: Ye, Wenqian, et al.
Veröffentlicht: (2026)

We Still Don't Understand High-Dimensional Bayesian Optimization
von: Doumont, Colin, et al.
Veröffentlicht: (2025)

DEQuify your force field: More efficient simulations using deep equilibrium models
von: Burger, Andreas, et al.
Veröffentlicht: (2025)

SynTwins: A Retrosynthesis-Guided Framework for Synthesizable Molecular Analog Generation
von: Chen, Shuan, et al.
Veröffentlicht: (2025)

Information flow in parameterized quantum circuits
von: Anand, Abhinav, et al.
Veröffentlicht: (2022)

Variational Nearest Neighbor Gaussian Process
von: Wu, Luhuan, et al.
Veröffentlicht: (2022)