Buchumschlag

Deep learning generative model for crystal structure prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Xiaoshan, Wang, Zhenyu, Gao, Pengyue, Lv, Jian, Wang, Yanchao, Chen, Changfeng, Ma, Yanming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High-Pressure Crystal Structure Database
von: Wang, Zhenyu, et al.
Veröffentlicht: (2026)

CrystalFlow: A Flow-Based Generative Model for Crystalline Materials
von: Luo, Xiaoshan, et al.
Veröffentlicht: (2024)

Iterative learning scheme for crystal structure prediction with anharmonic lattice dynamics
von: Gao, Hao, et al.
Veröffentlicht: (2025)

Space Group Informed Transformer for Crystalline Materials Generation
von: Cao, Zhendong, et al.
Veröffentlicht: (2024)

Machine learning supported annealing for prediction of grand canonical crystal structures
von: Couzinie, Yannick, et al.
Veröffentlicht: (2024)

Shotgun crystal structure prediction using machine-learned formation energies
von: Liu, Chang, et al.
Veröffentlicht: (2023)

A symmetry-oriented crystal structure prediction method for crystals with rigid bodies
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Bridging Theory and Experiment in Materials Discovery: Machine-Learning-Assisted Prediction of Synthesizable Structures
von: Xin, Yu, et al.
Veröffentlicht: (2025)

Fast and stable tight-binding framework for nonlocal kinetic energy density functional reconstruction in orbital-free density functional calculations
von: Chen, Yongshuo, et al.
Veröffentlicht: (2024)

A joint voxel flow - phase field framework for ultra-long microstructure evolution prediction with physical regularization
von: Zhou, Ao, et al.
Veröffentlicht: (2026)

Machine learning-driven elasticity prediction in advanced inorganic materials via convolutional neural networks
von: Liu, Yujie, et al.
Veröffentlicht: (2025)

Pre-training, fine-tuning, and distillation (PFD): Automatically generating machine learning force fields from universal models
von: Wang, Ruoyu, et al.
Veröffentlicht: (2025)

Theory of polarization-switchable electrical conductivity anisotropy in nonpolar semiconductors
von: Zhao, Hong Jian, et al.
Veröffentlicht: (2024)

Crystal structure prediction with host-guided inpainting generation and foundation potentials
von: Zhong, Peichen, et al.
Veröffentlicht: (2025)

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

Hot-Ham: an accurate and efficient E(3)-equivariant machine-learning electronic structures calculation framework
von: Liang, Zhixin, et al.
Veröffentlicht: (2025)

Design of novel organic proton-transfer acid-base (anti-)ferroelectric salts with crystal structure prediction
von: Seyedraoufi, Seyedmojtaba, et al.
Veröffentlicht: (2024)

Accurate and efficient machine learning interatomic potentials for finite temperature modeling of molecular crystals
von: Della Pia, Flaviano, et al.
Veröffentlicht: (2025)

Potential-Barrier Affinity Effect in Solid Systems
von: Xu, Qiang, et al.
Veröffentlicht: (2025)

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

Generalizing the structural phase field crystal approach for modeling solid-liquid-vapor phase transformations in pure materials
von: Coelho, Daniel L., et al.
Veröffentlicht: (2024)

Machine learning classification of local environments in molecular crystals
von: Kuroshima, Daisuke, et al.
Veröffentlicht: (2024)

GEARS H: Accurate machine-learned Hamiltonians for next-generation device-scale modeling
von: Haldar, Anubhab, et al.
Veröffentlicht: (2025)

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

Accelerating material melting temperature predictions by implementing machine learning potentials in the SLUSCHI package
von: CampBell, Audrey, et al.
Veröffentlicht: (2024)

On resolving meso-scale calculations of pore-collapse-generated hotspots in energetic crystals for consistency with atomistic models
von: Okafor, Chukwudubem, et al.
Veröffentlicht: (2024)

Thermophysical and Mechanical Properties Prediction of Rear-earth High-entropy Pyrochlore Based on Deep-learning Potential
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

Physics-informed neural operator for predictive parametric phase-field modelling
von: Chen, Nanxi, et al.
Veröffentlicht: (2026)

A predictive machine learning force field framework for liquid electrolyte development
von: Gong, Sheng, et al.
Veröffentlicht: (2024)

An interpretable formula for lattice thermal conductivity of crystals
von: Wang, Xiaoying, et al.
Veröffentlicht: (2024)

Globally-stable and metastable crystal structure enumeration using polynomial machine learning potentials in elemental As, Bi, Ga, In, La, P, Sb, Sn, and Te
von: Seko, Atsuto
Veröffentlicht: (2024)

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

Efficient dataset generation for machine learning perovskite alloys
von: Homm, Henrietta, et al.
Veröffentlicht: (2025)

The Fe-N system: crystal structure prediction, phase stability, and mechanical properties
von: Bao, Ergen, et al.
Veröffentlicht: (2024)

Machine learning accelerated prediction of Ce-based ternary compounds involving antagonistic pairs
von: Xia, Weiyi, et al.
Veröffentlicht: (2024)

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

Deep-learning atomistic semi-empirical pseudopotential model for nanomaterials
von: Lin, Kailai, et al.
Veröffentlicht: (2025)

Full ab initio atomistic approach for morphology prediction of hetero-integrated crystals: A confrontation with experiments
von: Chandrasekharan, Sreejith Pallikkara, et al.
Veröffentlicht: (2025)

Stress-driven dynamic evolution of core-shell structured cavities with H and He in BCC-Fe under fusion conditions
von: Wang, Jin, et al.
Veröffentlicht: (2026)

Hyperbolic phonon polaritons and wave vector direction dependent dielectric tensors in anisotropic crystals
von: Fang, Yue, et al.
Veröffentlicht: (2024)