Buchumschlag

Atomic cluster expansion interatomic potential for defects and thermodynamics of Cu-W system

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Jiahao, Cheng, Huiqun, Yan, Gaosheng, Zhang, Lei, Yu, Wenshan, Shen, Shengping
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

Size-Dependent Tensile Behavior of Nanocrystalline HfNbTaTiZr High-Entropy Alloy: Roles of Solid-Solution and Short-Range Order
von: Wu, Yihan, et al.
Veröffentlicht: (2025)

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

Atomic cluster expansion potential for the Si-H system
von: Rosset, Louise A. M., et al.
Veröffentlicht: (2025)

The Role of Vacancies in Oxide Detachment and Mechanical Degradation of Subsurface for AlCoCrFeNi Alloy at High Temperature
von: Gaosheng Yan, et al.
Veröffentlicht: (2025)

Autonomous thermodynamically informed database generation for machine-learned interatomic potentials and application to magnesium
von: Fletcher, Vincent G., et al.
Veröffentlicht: (2025)

Efficient moment tensor machine-learning interatomic potential for accurate description of defects in Ni-Al Alloys
von: Wang, Jiantao, et al.
Veröffentlicht: (2024)

Screening of material defects using universal machine-learning interatomic potentials
von: Berger, Ethan, et al.
Veröffentlicht: (2025)

Exploring the energy landscape of aluminas through machine learning interatomic potential
von: Zhang, Lei, et al.
Veröffentlicht: (2024)

Unveiling defect motifs in amorphous GeSe using machine learning interatomic potentials
von: Moon, Minseok, et al.
Veröffentlicht: (2025)

Machine learning potential for the Cu-W system
von: Liyanage, Manura, et al.
Veröffentlicht: (2024)

Dislocation Engineering: A New Key to Enhancing Ceramic Performances
von: Wang, Haoxuan, et al.
Veröffentlicht: (2025)

Accelerating point defect photo-emission calculations with machine learning interatomic potentials
von: Sharma, Kartikeya, et al.
Veröffentlicht: (2025)

Structure and thermodynamics of defects in Na-feldspar from a neural network potential
von: Gorfer, Alexander, et al.
Veröffentlicht: (2024)

Systematic assessment of various universal machine-learning interatomic potentials
von: Yu, Haochen, et al.
Veröffentlicht: (2024)

Universal machine learning interatomic potentials poised to supplant DFT in modeling general defects in metals and random alloys
von: Shuang, Fei, et al.
Veröffentlicht: (2025)

Fast and accurate machine-learned interatomic potentials for large-scale simulations of Cu, Al and Ni
von: Fellman, Aslak, et al.
Veröffentlicht: (2024)

Cartesian atomic moment machine learning interatomic potentials
von: Wen, Mingjian, et al.
Veröffentlicht: (2024)

Benchmarking phonon anharmonicity in machine learning interatomic potentials
von: Bandi, Sasaank, et al.
Veröffentlicht: (2024)

Platonic representation of foundation machine learning interatomic potentials
von: Li, Zhenzhu, et al.
Veröffentlicht: (2025)

Machine learning interatomic potentials for solid-state precipitation
von: Piersante, Lorenzo, et al.
Veröffentlicht: (2026)

Incorporating Gibbs free energy into interatomic potential fitting
von: Wei, Liangrui, et al.
Veröffentlicht: (2026)

The high‐temperature creep behavior transition in stoichiometric nanocrystalline (Pu x ,U 1− x )O 2 mixed oxides
von: Fengnian Zhuang, et al.
Veröffentlicht: (2024)

Toward machine learning interatomic potentials for modeling uranium mononitride
von: Alzate-Vargas, Lorena, et al.
Veröffentlicht: (2024)

Finite-temperature properties of antiferroelectric perovskite $\rm PbZrO_3$ from deep learning interatomic potential
von: Zhang, Huazhang, et al.
Veröffentlicht: (2024)

Machine learning interatomic potential for predicting the thermal properties of uranium nitride
von: Chen, Beihan, et al.
Veröffentlicht: (2025)

Atomistic modeling of uranium monocarbide with a machine learning interatomic potential
von: Alzate-Vargas, Lorena, et al.
Veröffentlicht: (2025)

SPEA -- an analytical thermodynamic model for defect phase diagram
von: Yang, Jing, et al.
Veröffentlicht: (2024)

Dislocations and plasticity of KTaO$_3$ perovskite modeled with a new interatomic potential
von: Hirel, Pierre, et al.
Veröffentlicht: (2025)

Radiation damage and phase stability of Al$_x$CrCuFeNi$_y$ alloys using a machine-learned interatomic potential
von: Fellman, Aslak, et al.
Veröffentlicht: (2025)

The diffusion-driven orthorhombic to tetragonal transition in YBa$_2$Cu$_3$O$_7$ derived with a machine learning interatomic potential
von: Gambino, Davide, et al.
Veröffentlicht: (2025)

Atomic and electronic structure of defects in hBN: enhancing single-defect functionalities
von: Qiu, Z., et al.
Veröffentlicht: (2021)

Machine-learning interatomic potentials achieving CCSD(T) accuracy for systems with extended covalent networks and van der Waals interactions
von: Ikeda, Yuji, et al.
Veröffentlicht: (2025)

KLIFF: A framework to develop physics-based and machine learning interatomic potentials
von: Wen, Mingjian, et al.
Veröffentlicht: (2021)

Symmetry-restricted energy landscapes as a benchmark for machine learned interatomic potentials
von: Parackal, Abhijith S, et al.
Veröffentlicht: (2026)

Fine-tuning foundation models of materials interatomic potentials with frozen transfer learning
von: Radova, Mariia, et al.
Veröffentlicht: (2025)

Triplet Envelope Functions for increasing machine learning interatomic potential efficiency and stability
von: Annevelink, Emil, et al.
Veröffentlicht: (2026)

Fast machine learned $α$-Fe-H interatomic potential for hydrogen embrittlement
von: Makkonen, Eetu, et al.
Veröffentlicht: (2025)

Machine learning interatomic potential can infer electrical response
von: Zhong, Peichen, et al.
Veröffentlicht: (2025)

A practical guide to machine learning interatomic potentials -- Status and future
von: Jacobs, Ryan, et al.
Veröffentlicht: (2025)

Machine-learning interatomic potential for AlN for epitaxial simulation
von: Taormina, Nicholas, et al.
Veröffentlicht: (2025)