Buchumschlag

Efficient parameterization of transferable Atomic Cluster Expansion for water

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ibrahim, Eslam, Lysogorskiy, Yury, Drautz, Ralf
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Water Phase Diagram from a General-Purpose Atomic Cluster Expansion Potential
von: Ibrahim, Eslam, et al.
Veröffentlicht: (2026)

Graph Atomic Cluster Expansion for semilocal interactions beyond equivariant message passing
von: Bochkarev, Anton, et al.
Veröffentlicht: (2023)

Charge-constrained Atomic Cluster Expansion
von: Rinaldi, Matteo, et al.
Veröffentlicht: (2024)

Development of an Atomic Cluster Expansion potential for iron and its oxides
von: Bienvenu, Baptiste, et al.
Veröffentlicht: (2024)

Graph atomic cluster expansion for foundational machine learning interatomic potentials
von: Lysogorskiy, Yury, et al.
Veröffentlicht: (2025)

Fast contracted Clebsch--Gordan tensor products for equivariant graph neural networks
von: Bochkarev, Anton, et al.
Veröffentlicht: (2026)

Exploring the extremes: atomic basis for multi-elemental materials science under complex thermodynamic conditions
von: Bochkarev, Anton, et al.
Veröffentlicht: (2026)

Efficient local atomic cluster expansion for BaTiO$_3$ close to equilibrium
von: Grünebohm, Anna, et al.
Veröffentlicht: (2025)

Data-efficient machine-learning of complex Fe-Mo intermetallics using domain knowledge of chemistry and crystallography
von: Forti, Mariano, et al.
Veröffentlicht: (2025)

AI-Driven Expansion and Application of the Alexandria Database
von: Cavignac, Théo, et al.
Veröffentlicht: (2025)

Hydrogen uptake and hydride formation in Al$_x$CoCrFeNi high-entropy alloys: First-principles, universal-potential, and experimental study
von: Körmann, Fritz, et al.
Veröffentlicht: (2026)

From electrons to phase diagrams with classical and machine learning potentials: automated workflows for materials science with pyiron
von: Menon, Sarath, et al.
Veröffentlicht: (2024)

Hyperparameter Optimization for Atomic Cluster Expansion Potentials
von: Toit, Daniel F. Thomas du, et al.
Veröffentlicht: (2024)

Convergence of Body-Orders in Linear Atomic Cluster Expansions
von: Tan, Apolinario Miguel, et al.
Veröffentlicht: (2025)

An Atomic Cluster Expansion Potential for Twisted Multilayer Graphene
von: Wang, Yangshuai, et al.
Veröffentlicht: (2025)

Origins of limited non-basal plasticity in the μ-phase at room temperature
von: Luo, W., et al.
Veröffentlicht: (2023)

Nanoindentation simulations for copper and tungsten with adaptive-precision potentials
von: Immel, David, et al.
Veröffentlicht: (2025)

Core structure of dislocations in ordered ferromagnetic FeCo
von: Egorov, Aleksei, et al.
Veröffentlicht: (2024)

Spectral/Spatial Tensor Atomic Cluster Expansion with Universal Embeddings in Cartesian Space
von: Xu, Zemin, et al.
Veröffentlicht: (2025)

Cluster Expansion Toward Nonlinear Modeling and Classification
von: Stroth, Adrian, et al.
Veröffentlicht: (2025)

Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN
von: Yang, Guang, et al.
Veröffentlicht: (2023)

Cluster expansion by transfer learning for phase stability predictions
von: Dana, A., et al.
Veröffentlicht: (2023)

Interface-plane parameterization for macroscopic grain boundary identification
von: Morawiec, Adam
Veröffentlicht: (2025)

Stochastic Cluster Expansion for Excited State Energies
von: Canestraight, Annabelle, et al.
Veröffentlicht: (2026)

Atomic-scale imaging of graphene nanoribbons on graphene after polymer-free substrate transfer
von: Kinikar, Amogh, et al.
Veröffentlicht: (2025)

Deciphering Chemical Ordering in High Entropy Materials: A Machine Learning-Accelerated High-throughput Cluster Expansion Approach
von: Vazquez, Guillermo, et al.
Veröffentlicht: (2024)

A Stochastic Cluster Expansion for Electronic Correlation in Large Systems
von: Canestraight, Annabelle, et al.
Veröffentlicht: (2026)

Decoupling Many-Body Interactions in CeO2 (111) Oxygen Vacancy Structure: Insights from Machine-Learning and Cluster Expansion
von: Zhang, Yujing, et al.
Veröffentlicht: (2024)

Efficient Matching Boundary Conditions of Two-dimensional Honeycomb Lattice for Atomic Simulations
von: Liu, Baiyili, et al.
Veröffentlicht: (2024)

Atomically Reconfigurable Single-Molecule Optoelectronics
von: Ghafoor, Atif, et al.
Veröffentlicht: (2026)

Rigidity-induced critical points
von: Grabovsky, Yury, et al.
Veröffentlicht: (2023)

Crystal Orbital Guided Iteration to Atomic Orbitals: A Pathway to Chemically Adaptive Atomic Orbitals from DFT
von: Oliphant, Emily, et al.
Veröffentlicht: (2025)

Global Optimization of Atomic Clusters via Physically-Constrained Tensor Train Decomposition
von: Sozykin, Konstantin, et al.
Veröffentlicht: (2026)

Many-body Expansion Based Machine Learning Models for Octahedral Transition Metal Complexes
von: Meyer, Ralf, et al.
Veröffentlicht: (2024)

Combining Reinforcement Learning with Graph Convolutional Neural Networks for Efficient Design of TiAl/TiAlN Atomic-Scale Interfaces
von: Jiang, Xinyu, et al.
Veröffentlicht: (2024)

Integrating Atomic Scale Catalyst Design with Transport Engineering for Stable and Efficient CO2 Electrolysis to CO in a Membrane Electrode Assembly
von: Teimouri, Zahra, et al.
Veröffentlicht: (2025)

Atomic-scale visualization of d-wave altermagnetism
von: Fu, Daran, et al.
Veröffentlicht: (2025)

Atomic mechanisms of self-diffusion in amorphous silicon
von: Posselt, Matthias, et al.
Veröffentlicht: (2022)

Visualizing Millisecond Atomic Dynamics of Nanocrystals in Liquid
von: Kang, Sungsu, et al.
Veröffentlicht: (2026)

Frenkel/charge transfer Holstein Hamiltonian applied to energy transfer in 2D layered metal-organic frameworks
von: Dell'Angelo, David, et al.
Veröffentlicht: (2021)