Buchumschlag

Lightweight Geometric Deep Learning for Molecular Modelling in Catalyst Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Geitner, Patrick
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Chemical Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Geometric Deep Learning for Molecular Crystal Structure Prediction
von: Kilgour, Michael, et al.
Veröffentlicht: (2023)

Deep Learning Foundation Models from Classical Molecular Descriptors
von: Burns, Jackson W., et al.
Veröffentlicht: (2025)

A Machine Learning and Explainable AI Framework Tailored for Unbalanced Experimental Catalyst Discovery
von: Semnani, Parastoo, et al.
Veröffentlicht: (2024)

Energy-Guided Generative Modeling for Low-Energy Molecular Structure Discovery
von: Xu, Guikun, et al.
Veröffentlicht: (2025)

A Universal Deep Learning Force Field for Molecular Dynamic Simulation and Vibrational Spectra Prediction
von: Ji, Shengjiao, et al.
Veröffentlicht: (2025)

Overcoming the Barrier of Orbital-Free Density Functional Theory for Molecular Systems Using Deep Learning
von: Zhang, He, et al.
Veröffentlicht: (2023)

Meta-Learning Linear Models for Molecular Property Prediction
von: Pimonova, Yulia, et al.
Veröffentlicht: (2025)

OrbitAll: A Unified Quantum Mechanical Representation Deep Learning Framework for All Molecular Systems
von: Kang, Beom Seok, et al.
Veröffentlicht: (2025)

Advancing Molecular Machine Learning Representations with Stereoelectronics-Infused Molecular Graphs
von: Boiko, Daniil A., et al.
Veröffentlicht: (2024)

Adaptive Catalyst Discovery Using Multicriteria Bayesian Optimization with Representation Learning
von: Chen, Jie, et al.
Veröffentlicht: (2024)

Molecular Machine Learning in Chemical Process Design
von: Rittig, Jan G., et al.
Veröffentlicht: (2025)

AIM: Adaptive Intervention for Deep Multi-task Learning of Molecular Properties
von: Minot, Mason, et al.
Veröffentlicht: (2025)

Molecular Learning Dynamics
von: Gusev, Yaroslav, et al.
Veröffentlicht: (2025)

MUBen: Benchmarking the Uncertainty of Molecular Representation Models
von: Li, Yinghao, et al.
Veröffentlicht: (2023)

Discovery of Sustainable Refrigerants through Physics-Informed RL Fine-Tuning of Sequence Models
von: Goldszal, Adrien, et al.
Veröffentlicht: (2025)

An Equivariant Pretrained Transformer for Unified 3D Molecular Representation Learning
von: Jiao, Rui, et al.
Veröffentlicht: (2024)

Transfer Learning for Molecular Property Predictions from Small Data Sets
von: Kirschbaum, Thorren, et al.
Veröffentlicht: (2024)

Physical Consistency Bridges Heterogeneous Data in Molecular Multi-Task Learning
von: Ren, Yuxuan, et al.
Veröffentlicht: (2024)

Riemannian Denoising Model for Molecular Structure Optimization with Chemical Accuracy
von: Woo, Jeheon, et al.
Veröffentlicht: (2024)

Coupled Cluster con MōLe: Molecular Orbital Learning for Neural Wavefunctions
von: Thiede, Luca, et al.
Veröffentlicht: (2026)

Generative Deep Learning Framework for Inverse Design of Fuels
von: Yalamanchi, Kiran K., et al.
Veröffentlicht: (2025)

Uni-Mol3: A Multi-Molecular Foundation Model for Advancing Organic Reaction Modeling
von: Wu, Lirong, et al.
Veröffentlicht: (2025)

Active Learning Enables Extrapolation in Molecular Generative Models
von: Antoniuk, Evan R., et al.
Veröffentlicht: (2025)

3DReact: Geometric deep learning for chemical reactions
von: van Gerwen, Puck, et al.
Veröffentlicht: (2023)

MACE-POLAR-1: A Polarisable Electrostatic Foundation Model for Molecular Chemistry
von: Batatia, Ilyes, et al.
Veröffentlicht: (2026)

Transferable Generative Models Bridge Femtosecond to Nanosecond Time-Step Molecular Dynamics
von: Diez, Juan Viguera, et al.
Veröffentlicht: (2025)

FastCSP: Accelerated Molecular Crystal Structure Prediction with Universal Model for Atoms
von: Gharakhanyan, Vahe, et al.
Veröffentlicht: (2025)

Materials Discovery using Max K-Armed Bandit
von: Kikkawa, Nobuaki, et al.
Veröffentlicht: (2022)

Complete and Efficient Covariants for 3D Point Configurations with Application to Learning Molecular Quantum Properties
von: Maennel, Hartmut, et al.
Veröffentlicht: (2024)

chemtrain: Learning Deep Potential Models via Automatic Differentiation and Statistical Physics
von: Fuchs, Paul, et al.
Veröffentlicht: (2024)

Mol-LLaMA: Towards General Understanding of Molecules in Large Molecular Language Model
von: Kim, Dongki, et al.
Veröffentlicht: (2025)

RoFt-Mol: Benchmarking Robust Fine-Tuning with Molecular Graph Foundation Models
von: Liu, Shikun, et al.
Veröffentlicht: (2025)

Grappa -- A Machine Learned Molecular Mechanics Force Field
von: Seute, Leif, et al.
Veröffentlicht: (2024)

Transferable Learning of Reaction Pathways from Geometric Priors
von: Nam, Juno, et al.
Veröffentlicht: (2025)

Molecular-orbital-based Machine Learning for Open-shell and Multi-reference Systems with Kernel Addition Gaussian Process Regression
von: Cheng, Lixue, et al.
Veröffentlicht: (2022)

Foundation Models for Discovery and Exploration in Chemical Space
von: Wadell, Alexius, et al.
Veröffentlicht: (2025)

Combining Graph Neural Networks and Mixed Integer Linear Programming for Molecular Inference under the Two-Layered Model
von: Zhu, Jianshen, et al.
Veröffentlicht: (2025)

The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery
von: Ansari, Narjes, et al.
Veröffentlicht: (2026)

GP-MoLFormer: A Foundation Model For Molecular Generation
von: Ross, Jerret, et al.
Veröffentlicht: (2024)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)