Buchumschlag

Performance Assessment of Universal Machine Learning Interatomic Potentials: Challenges and Directions for Materials' Surfaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Focassio, Bruno, Freitas, Luis Paulo Mezzina, Schleder, Gabriel R.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science Disordered Systems and Neural Networks Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unraveling the Crystallization Kinetics of the Ge$_2$Sb$_2$Te$_5$ Phase Change Compound with a Machine-Learned Interatomic Potential
von: Kheir, Omar Abou El, et al.
Veröffentlicht: (2023)

Validation Workflow for Machine Learning Interatomic Potentials for Complex Ceramics
von: Ghaffari, Kimia, et al.
Veröffentlicht: (2024)

Machine Learning Interatomic Potentials with Keras API
von: Rili, James Paolo
Veröffentlicht: (2024)

Developing a Neural Network Machine Learning Interatomic Potential for Molecular Dynamics Simulations of La-Si-P Systems
von: Tang, Ling, et al.
Veröffentlicht: (2025)

Optimization of Transferable Interatomic Potentials for Glasses toward Experimental Properties
von: Chen, Ruoxia, et al.
Veröffentlicht: (2025)

Machine Learning Potential Powered Insights into the Mechanical Stability of Amorphous Li-Si Alloys
von: Wei, Zixiong, et al.
Veröffentlicht: (2024)

Large Scale Raman Spectrum Calculations in Defective 2D Materials using Deep Learning
von: Malenfant-Thuot, Olivier, et al.
Veröffentlicht: (2024)

From Bulk to Surface: Structure and Dynamics of Amorphous Alumina from Deep Potential Molecular Dynamics
von: Yu, Zheng, et al.
Veröffentlicht: (2026)

Anisotropic Crystallization Kinetics and Interfacial Dynamics of Phase-Change Material Sb$_2$S$_3$ from Machine Learning Force Field Simulations
von: Chakraborty, Souvik, et al.
Veröffentlicht: (2026)

Reexamining Machine Learning Models on Predicting Thermoelectric Properties
von: Ma, Chung T., et al.
Veröffentlicht: (2025)

High-Throughput GW Calculations via Machine Learning
von: Abdelghany, Ragab. A., et al.
Veröffentlicht: (2025)

Deep Learning-Based Quantum Transport Simulations in Two-Dimensional Materials
von: Zou, Jijie, et al.
Veröffentlicht: (2025)

Construction of Machine-Learning Interatomic Potential Under Heat Flux Regularization and Its Application to Power Spectrum Analysis for Silver Chalcogenides
von: Shimamura, Kohei, et al.
Veröffentlicht: (2022)

Machine-Learning Recognition of Dzyaloshinskii-Moriya Interaction from Magnetometry
von: Fugetta, Bradley J., et al.
Veröffentlicht: (2023)

Universal Spin Models are Universal Approximators in Machine Learning
von: Reinhart, Tobias, et al.
Veröffentlicht: (2025)

Interpretable Machine Learning of Nanoparticle Stability through Topological Layer Embeddings
von: Hawthorne, Felipe, et al.
Veröffentlicht: (2026)

FerroAI: A Deep Learning Model for Predicting Phase Diagrams of Ferroelectric Materials
von: Zhang, Chenbo, et al.
Veröffentlicht: (2025)

Reconstructions and Dynamics of $β$-Lithium Thiophosphate Surfaces
von: Türk, Hanna, et al.
Veröffentlicht: (2025)

Mechanistic Insights into the Oxygen Evolution Reaction on Nickel-Doped Barium Titanate via Machine Learning-Accelerated Simulations
von: Boonpalit, Kajjana, et al.
Veröffentlicht: (2024)

Is the Future of Materials Amorphous? Challenges and Opportunities in Simulations of Amorphous Materials
von: Madanchi, Ata, et al.
Veröffentlicht: (2024)

Machine learning the local electronic density of states
von: Aryanpour, A., et al.
Veröffentlicht: (2025)

Fuzzy Neural Network Performance and Interpretability of Quantum Wavefunction Probability Predictions
von: Zanineli, Pedro H. M., et al.
Veröffentlicht: (2025)

Modeling Chemical Exfoliation of Non-van der Waals Chromium Sulfides by Machine Learning Interatomic Potentials and Monte Carlo Simulations
von: Ibrahim, Akram, et al.
Veröffentlicht: (2023)

Descriptor-Enabled Rational Design of High-Entropy Materials Over Vast Chemical Spaces
von: Dey, Dibyendu, et al.
Veröffentlicht: (2023)

Accelerated Discovery of Vanadium Oxide Compositions: A WGAN-VAE Framework for Materials Design
von: Ebrahimzadeh, Danial, et al.
Veröffentlicht: (2025)

Neural Network Kinetics for Exploring Diffusion Multiplicity and Chemical Ordering in Compositionally Complex Materials
von: Xing, Bin, et al.
Veröffentlicht: (2023)

Machine learning intermolecular transfer integrals with compact atomic cluster representations
von: Keeratikarn, Keerati, et al.
Veröffentlicht: (2025)

X-ray photo-induced atomic motion in Phase Change Materials and conventional covalent chalcogenide glasses
von: Festi, Irene, et al.
Veröffentlicht: (2026)

Machine learning potential as a guide for eutectic in ultra-refractory multicomponent ceramics
von: Valiulin, V. E., et al.
Veröffentlicht: (2026)

Specific Heat Anomalies and Local Symmetry Breaking in (Anti-)Fluorite Materials: A Machine Learning Molecular Dynamics Study
von: Kobayashi, Keita, et al.
Veröffentlicht: (2024)

Calculating the Stability of Different Surfaces of GaAsxP1-x Mixed-Crystals using the Virtual Crystal Approximation
von: Karmo, Marsel, et al.
Veröffentlicht: (2023)

Physics-Informed Glass-Structure Descriptors for Assessing the Intrinsic Reactivity of Mixed Amorphous-Crystalline Precursors in Alkali-Activated Materials
von: Pan, Zhu, et al.
Veröffentlicht: (2026)

Machine learning for characterizing uncertain elastic properties of fused filament fabricated materials for topology optimization applications
von: Kazemi, Zahra, et al.
Veröffentlicht: (2024)

Rapid Assessment of Stable Crystal Structures in Single Phase High Entropy Alloys Via Graph Neural Network Based Surrogate Modelling
von: Beaver, Nicholas, et al.
Veröffentlicht: (2024)

Tunable Electronic Interactions and Weak Antilocalization in Bulk Ge$_2$Sb$_2$Te$_{5-5x}$Se$_{5x}$ Phase Change Materials
von: Mazzucca, Nicholas, et al.
Veröffentlicht: (2025)

Learning the Electronic Hamiltonian of Large Atomic Structures
von: Xia, Chen Hao, et al.
Veröffentlicht: (2025)

Local Density of States as a Probe of Multifractality in Quasiperiodic Moiré Materials
von: Oliveira, Ricardo, et al.
Veröffentlicht: (2025)

KAN-Enhanced Contrastive Learning Accelerating Crystal Structure Identification from XRD Patterns
von: Xu, Chenlei, et al.
Veröffentlicht: (2025)

Responsive Disorder in a Metal-Organic Framework Enables Solid-State Reservoir Computing
von: Greenbaum, Guy, et al.
Veröffentlicht: (2026)

Effects of Galactic Irradiation on Thermal and Electronic Transport in Tungsten
von: Ugwumadu, C., et al.
Veröffentlicht: (2025)