:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Feitong, Feng, Ji
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics Machine Learning Chemical Physics
Online-Zugang:	https://arxiv.org/abs/2406.15873
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Accelerated SCF Workflows with Equivariant Density-Matrix Learning and Analytic Refinement
von: Yescas-Ramos, Zuriel Y., et al.
Veröffentlicht: (2026)

Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems
von: Scherbela, Michael, et al.
Veröffentlicht: (2025)

Self-consistent Validation for Machine Learning Electronic Structure
von: Hu, Gengyuan, et al.
Veröffentlicht: (2024)

Neural network distillation of orbital dependent density functional theory
von: Medvidović, Matija, et al.
Veröffentlicht: (2024)

GemNet: Universal Directional Graph Neural Networks for Molecules
von: Gasteiger, Johannes, et al.
Veröffentlicht: (2021)

Broadening the Scope of Neural Network Potentials through Direct Inclusion of Additional Molecular Attributes
von: Simeon, Guillem, et al.
Veröffentlicht: (2024)

Accurate Computation of Quantum Excited States with Neural Networks
von: Pfau, David, et al.
Veröffentlicht: (2023)

QuantumBind-RBFE: Accurate Relative Binding Free Energy Calculations Using Neural Network Potentials
von: Zariquiey, Francesc Sabanés, et al.
Veröffentlicht: (2025)

On Representing Electronic Wave Functions with Sign Equivariant Neural Networks
von: Gao, Nicholas, et al.
Veröffentlicht: (2024)

Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations
von: Gao, Nicholas, et al.
Veröffentlicht: (2024)

Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study
von: Gupta, Aryan
Veröffentlicht: (2025)

Excited Pfaffians: Generalized Neural Wave Functions Across Structure and State
von: Gao, Nicholas, et al.
Veröffentlicht: (2026)

TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations
von: Pelaez, Raul P., et al.
Veröffentlicht: (2024)

Neural Network Emulator for Atmospheric Chemical ODE
von: Liu, Zhi-Song, et al.
Veröffentlicht: (2024)

Learning local and semi-local density functionals from exact exchange-correlation potentials and energies
von: Kanungo, Bikash, et al.
Veröffentlicht: (2024)

FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials
von: Plé, Thomas, et al.
Veröffentlicht: (2024)

A Kaczmarz-inspired approach to accelerate the optimization of neural network wavefunctions
von: Goldshlager, Gil, et al.
Veröffentlicht: (2024)

Accurate machine learning force fields via experimental and simulation data fusion
von: Röcken, Sebastien, et al.
Veröffentlicht: (2023)

GraphVAMPNet, using graph neural networks and variational approach to markov processes for dynamical modeling of biomolecules
von: Ghorbani, Mahdi, et al.
Veröffentlicht: (2022)

Grad DFT: a software library for machine learning enhanced density functional theory
von: Casares, Pablo A. M., et al.
Veröffentlicht: (2023)

Machine learning for accuracy in density functional approximations
von: Voss, Johannes
Veröffentlicht: (2023)

Pretraining Strategy for Neural Potentials
von: Zhang, Zehua, et al.
Veröffentlicht: (2024)

A Cartesian Encoding Graph Neural Network for Crystal Structures Property Prediction: Application to Thermal Ellipsoid Estimation
von: Solé, Àlex, et al.
Veröffentlicht: (2025)

Symmetry-invariant quantum machine learning force fields
von: Le, Isabel Nha Minh, et al.
Veröffentlicht: (2023)

Implicit Neural Representations for Chemical Reaction Paths
von: Ramakrishnan, Kalyan, et al.
Veröffentlicht: (2025)

A Posteriori Evaluation of a Physics-Constrained Neural Ordinary Differential Equations Approach Coupled with CFD Solver for Modeling Stiff Chemical Kinetics
von: Kumar, Tadbhagya, et al.
Veröffentlicht: (2023)

Predicting performance-related properties of refrigerant based on tailored small-molecule functional group contribution
von: Cao, Peilin, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Surfactant Multi-Property Prediction
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

All-atomistic Transferable Neural Potentials for Protein Solvation
von: Dey, Rishabh, et al.
Veröffentlicht: (2026)

Velocity Gauge for Oscillator Strength in $Δ$SCF theory
von: Shen, Yang, et al.
Veröffentlicht: (2026)

Gaussian Plane-Wave Neural Operator for Electron Density Estimation
von: Kim, Seongsu, et al.
Veröffentlicht: (2024)

Implicit Delta Learning of High Fidelity Neural Network Potentials
von: Thaler, Stephan, et al.
Veröffentlicht: (2024)

Highly Accurate Real-space Electron Densities with Neural Networks
von: Cheng, Lixue, et al.
Veröffentlicht: (2024)

Open-Source Fermionic Neural Networks with Ionic Charge Initialization
von: Pranesh, Shai, et al.
Veröffentlicht: (2024)

Clapeyron Neural Networks for Single-Species Vapor-Liquid Equilibria
von: Pavšek, Jan, et al.
Veröffentlicht: (2026)

StringNET: Neural Network based Variational Method for Transition Pathways
von: Han, Jiayue, et al.
Veröffentlicht: (2024)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Thermodynamic Transferability in Coarse-Grained Force Fields using Graph Neural Networks
von: Shinkle, Emily, et al.
Veröffentlicht: (2024)

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