Buchumschlag

Machine learning models for atom-diatom reactions across isotopologues

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Julian, Daniel, Koots, Rian, Pérez-Ríos, Jesùs
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Chemical Physics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Direct three-body atom recombination: halogen atoms
von: Koots, Rian, et al.
Veröffentlicht: (2025)

Direct three body dynamics govern ion atom recombination and barrierless termolecular reactions
von: Koots, Rian, et al.
Veröffentlicht: (2026)

Machine learning prediction of a chemical reaction over 8 decades of energy
von: Julian, Daniel, et al.
Veröffentlicht: (2025)

Chemistry in a Cryogenic Buffer Gas Cell
von: Sun, Qi, et al.
Veröffentlicht: (2025)

Effects of the delocalized charge distribution in trapped ion-atom collisions
von: Shi, Ruiren, et al.
Veröffentlicht: (2025)

Ion solvation in atomic baths: from snowballs to polarons
von: Chowdhury, Saajid, et al.
Veröffentlicht: (2024)

Chaotic scattering and heating in cold ion-atom collisions: two sides of the same coin
von: Chowdhury, Saajid, et al.
Veröffentlicht: (2025)

TUNA: A streamlined quantum chemistry program for atoms and diatomics
von: Brough, Harry
Veröffentlicht: (2026)

Electron-nucleus Araki-Sucher correction in the hydrogen molecule isotopologues
von: Komasa, Jacek
Veröffentlicht: (2025)

Modified Marrone-Treanor dissociation model: formulation and benchmarking for diatom/atom mixtures
von: Chaudhry, Ross S., et al.
Veröffentlicht: (2025)

Hydrogen-atom roaming reactions in water clusters: Unveiling an unusual dimension of water reactivity through first-principles calculations and machine learning
von: Liu, Rui, et al.
Veröffentlicht: (2026)

What is the diatomic molecule with the largest dipole moment?
von: Elhalawani, Ahmed, et al.
Veröffentlicht: (2025)

Measuring the molecular Migdal effect with neutron scattering on diatomic gases
von: Kahn, Yonatan, et al.
Veröffentlicht: (2024)

High-resolution spectroscopy of barium monofluoride: Odd isotopologues, hyperfine structure and isotope shifts
von: Kogel, Felix, et al.
Veröffentlicht: (2025)

Cartesian atomic cluster expansion for machine learning interatomic potentials
von: Cheng, Bingqing
Veröffentlicht: (2024)

Machine learning electronic structure and atomistic properties from the external potential
von: Nigam, Jigyasa, et al.
Veröffentlicht: (2026)

Polarizable atomic multipoles for learning long-range electrostatics
von: Kim, Dongjin, et al.
Veröffentlicht: (2026)

A relativistic coupled-cluster treatment of magnetic hyperfine structure of the $X^2Π$ and $A^2Σ^+$ states of OH isotopologues
von: Usov, D. P., et al.
Veröffentlicht: (2025)

Machine learning the two-electron reduced density matrix in molecules and condensed phases
von: B., Jessica A. Martinez, et al.
Veröffentlicht: (2026)

Unsupervised learning of representative local atomic arrangements in molecular dynamics data
von: Roncoroni, Fabrice, et al.
Veröffentlicht: (2023)

Fine-Tuning Unifies Foundational Machine-learned Interatomic Potential Architectures at ab initio Accuracy
von: Hänseroth, Jonas, et al.
Veröffentlicht: (2025)

Electronic properties of the Radium-monochalcogenides RaX (X = O,S,Se) and RaO+/- ions
von: Londoño, Mateo, et al.
Veröffentlicht: (2026)

Rotational quenching of monofluorides in a cryogenic helium bath
von: Londoño, Mateo, et al.
Veröffentlicht: (2025)

Importance profiles. Visualization of atomic basis set requirements
von: Lehtola, Susi
Veröffentlicht: (2023)

Alignment Transport Between Ultracold Polar Molecules
von: Smucker, Jonathan, et al.
Veröffentlicht: (2024)

A Statistical-Mechanical Model for Dipolar Chain Formation
von: Liang, Zhongqi, et al.
Veröffentlicht: (2026)

Classification of electronic structures and state preparation for quantum computation of reaction chemistry
von: Mörchen, Maximilian, et al.
Veröffentlicht: (2024)

chemtrain-deploy: A parallel and scalable framework for machine learning potentials in million-atom MD simulations
von: Fuchs, Paul, et al.
Veröffentlicht: (2025)

Machine learning classification of local environments in molecular crystals
von: Kuroshima, Daisuke, et al.
Veröffentlicht: (2024)

ChemXDyn: Dynamics-informed species and reaction detection methodology from atomistic simulations
von: Maddipati, Raj, et al.
Veröffentlicht: (2026)

DPA-2: a large atomic model as a multi-task learner
von: Zhang, Duo, et al.
Veröffentlicht: (2023)

Machine learning the non-radiative decay modes in photochemical processes
von: Banerjee, Debarshi, et al.
Veröffentlicht: (2026)

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

Py3BR: A software for computing atomic three‐body recombination rates
von: Rian Koots, et al.
Veröffentlicht: (2024)

The chemistry of AlF and CaF production in buffer gas sources
von: Liu, X., et al.
Veröffentlicht: (2022)

Machine learning the derivative discontinuity of density-functional theory
von: Gedeon, Johannes, et al.
Veröffentlicht: (2021)

Benchmarking the accuracy of the separable resolution of the identity approach for correlated methods in the numeric atom-centered orbitals framework
von: Delesma, Francisco A., et al.
Veröffentlicht: (2023)

Systematic study of confinement induced effects on atomic electronic structure
von: Åström, Hugo, et al.
Veröffentlicht: (2024)

Machine Learning Wavefunction
von: Battaglia, Stefano
Veröffentlicht: (2022)

Machine learning surrogate models for particle insertions and element substitutions
von: Jinnouchi, Ryosuke
Veröffentlicht: (2024)