Buchumschlag

Unveiling the crystallization kinetics in Ge-rich Ge$_x$Te alloys by large scale simulations with a machine-learned interatomic potential

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baratella, Dario, Kheir, Omar Abou El, Bernasconi, Marco
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science Disordered Systems and Neural Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On phase separation and crystallization of Ge-rich GeSbTe alloys from atomistic simulations with a machine learning interatomic potential
von: Kheir, Omar Abou El, et al.
Veröffentlicht: (2026)

On the origin of in-gap states in amorphous Ge$_2$Sb$_2$Te$_5$
von: Kheir, Omar Abou El, et al.
Veröffentlicht: (2026)

Viscosity, breakdown of Stokes-Einstein relation and dynamical heterogeneity in supercooled liquid Ge$_2$Sb$_2$Te$_5$ from simulations with a neural network potential
von: Marcorini, Simone, et al.
Veröffentlicht: (2025)

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)

Comparison of intermediate-range order in GeO$_2$ glass: molecular dynamics using machine-learning interatomic potential vs.\ reverse Monte Carlo fitting to experimental data
von: Matsutani, Kenta, et al.
Veröffentlicht: (2024)

Constructing and evaluating machine-learned interatomic potentials for Li-based disordered rocksalts
von: Choyal, Vijay, et al.
Veröffentlicht: (2023)

Expanding the search space of high entropy oxides and predicting synthesizability using machine learning interatomic potentials
von: Dicks, Oliver A., et al.
Veröffentlicht: (2025)

Simulation of the crystallization kinetics of Ge$_2$Sb$_2$Te$_5$ nanoconfined in superlattice geometries for phase change memories
von: Acharya, Debdipto, et al.
Veröffentlicht: (2025)

Effects of colored disorder on the heat conductivity of SiGe alloys from first principles
von: Fiorentino, Alfredo, et al.
Veröffentlicht: (2024)

Transferable potential for molecular dynamics simulations of borosilicate glasses and structural comparison of machine learning optimized parameters
von: Yang, Kai, et al.
Veröffentlicht: (2025)

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)

A cost-effective strategy of enhancing machine learning potentials by transfer learning from a multicomponent dataset on ænet-PyTorch
von: Aisnadaa, An Niza El, et al.
Veröffentlicht: (2024)

Revisiting the machine-learning density functional for the one-dimensional Hubbard model with random external potential
von: Salmon, Octavio D. R., et al.
Veröffentlicht: (2026)

High-efficiency computational methodologies for electronic properties and structural characterization of Ge-Sb-Te based phase change materials
von: Xie, Shanzhong, et al.
Veröffentlicht: (2025)

Thermodynamic potentials of metallic alloys in the undercooled liquid and solid glassy states
von: Makarov, A. S., et al.
Veröffentlicht: (2025)

Thermal transport of glasses via machine learning driven simulations
von: Pegolo, Paolo, et al.
Veröffentlicht: (2024)

Unsupervised machine learning for supercooled liquids
von: Qiu, Yunrui, et al.
Veröffentlicht: (2024)

Spin glass behavior in amorphous CrSiTe3 alloy
von: Wang, Xiaozhe, et al.
Veröffentlicht: (2025)

Efficient training of machine learning potentials for metallic glasses: CuZrAl validation
von: Wadowski, Antoni, et al.
Veröffentlicht: (2024)

Liquid and solid layers in a thermal deep learning machine
von: Huang, Gang, et al.
Veröffentlicht: (2025)

Amorphization-induced topological and insulator-metal transitions in bidimensional Bi$_x$Sb$_{1-x}$ alloys
von: Uría-Álvarez, A. J., et al.
Veröffentlicht: (2024)

Automatic virtual voltage extraction of a 2x2 array of quantum dots with machine learning
von: Oakes, Giovanni A., et al.
Veröffentlicht: (2020)

Implicit bias produces neural scaling laws in learning curves, from perceptrons to deep networks
von: D'Amico, Francesco, et al.
Veröffentlicht: (2025)

Atomic scale structure and dynamical properties of (TeO$_2$)$_{1-x}$-(Na$_2$O)$_{x}$ glasses through first-principles modeling and XRD measurements
von: Shuaib, Firas, et al.
Veröffentlicht: (2025)

Influence of anisotropy on the study of critical behavior of spin models by machine learning methods
von: Sukhoverkhova, Diana, et al.
Veröffentlicht: (2024)

AiiDA-TrainsPot: Towards automated training of neural-network interatomic potentials
von: Bidoggia, Davide, et al.
Veröffentlicht: (2025)

Hybrid quantum learning with data re-uploading on a small-scale superconducting quantum simulator
von: Tolstobrov, Aleksei, et al.
Veröffentlicht: (2023)

Hierarchical quantum embedding by machine learning for large molecular assemblies
von: Bensberg, Moritz, et al.
Veröffentlicht: (2025)

Renormalization group for deep neural networks: Universality of learning and scaling laws
von: Coppola, Gorka Peraza, et al.
Veröffentlicht: (2025)

Ward identities and local potential approximation for large time quantum (2+p)-spin glass dynamics
von: Natta, Bêm-Biéri Barthélémy, et al.
Veröffentlicht: (2024)

Anomalous temperature dependence of the electrical resistivity in R$_3$Co$_4$Ge$_{13}$ (R = Y, Lu) single crystals
von: Dias, Juliana Gonçalves, et al.
Veröffentlicht: (2026)

Structural Analysis of Amorphous GeO$_2$ under High Pressure Using Reverse Monte Carlo Simulations
von: Matsutani, Kenta, et al.
Veröffentlicht: (2024)

Equivariant graph neural network interatomic potential for Green-Kubo thermal conductivity in phase change materials
von: Lee, Sung-Ho, et al.
Veröffentlicht: (2023)

Experimentally validated and empirically compared machine learning approach for predicting yield strength of additively manufactured multi-principal element alloys from Co-Cr-Fe-Mn-Ni system
von: Chandraker, Abhinav, et al.
Veröffentlicht: (2023)

Unveiling the early stage evolution of local atomic structures in the crystallization process of a metallic glass
von: Ma, Lin, et al.
Veröffentlicht: (2024)

Linear-scale simulations of quench dynamics
von: Khan, Niaz Ali, et al.
Veröffentlicht: (2023)

Estimating predictability of depinning dynamics by machine learning
von: Haavisto, Valtteri, et al.
Veröffentlicht: (2023)

Million-atom simulation of the set process in phase change memories at the real device scale
von: Kheir, Omar Abou El, et al.
Veröffentlicht: (2025)

Quantum and classical processing with photonic quantum machine learning
von: Carreño, J. C. López, et al.
Veröffentlicht: (2026)

A note on the dynamics of extended-context disordered kinetic spin models
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2025)