Buchumschlag

FreeCG: Free the Design Space of Clebsch-Gordan Transform for Machine Learning Force Fields

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shao, Shihao, Geng, Haoran, Wang, Zun, Cui, Qinghua
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Chemical Physics Biomolecules Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding and Mitigating Distribution Shifts For Machine Learning Force Fields
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)

Self-Consistency Training for Density-Functional-Theory Hamiltonian Prediction
von: Zhang, He, et al.
Veröffentlicht: (2024)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

De Novo Molecular Design Enabled by Direct Preference Optimization and Curriculum Learning
von: Hou, Junyu
Veröffentlicht: (2025)

Hessian Matching for Machine-Learned Coarse-Grained Molecular Dynamics
von: Murdeshwar, Sanya, et al.
Veröffentlicht: (2026)

E(3)-equivariant models cannot learn chirality: Field-based molecular generation
von: Dumitrescu, Alexandru, et al.
Veröffentlicht: (2024)

Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides
von: Yu, Ziyang, et al.
Veröffentlicht: (2024)

Multimodal Large Language Models for Inverse Molecular Design with Retrosynthetic Planning
von: Liu, Gang, et al.
Veröffentlicht: (2024)

Sculpting Molecules in Text-3D Space: A Flexible Substructure Aware Framework for Text-Oriented Molecular Optimization
von: Zhang, Kaiwei, et al.
Veröffentlicht: (2024)

Guided Multi-objective Generative AI to Enhance Structure-based Drug Design
von: Kadan, Amit, et al.
Veröffentlicht: (2024)

Look the Other Way: Designing 'Positive' Molecules with Negative Data via Task Arithmetic
von: Özçelik, Rıza, et al.
Veröffentlicht: (2025)

Transfer Learning across Different Chemical Domains: Virtual Screening of Organic Materials with Deep Learning Models Pretrained on Small Molecule and Chemical Reaction Data
von: Zhang, Chengwei, et al.
Veröffentlicht: (2023)

Learning Collective Variables with Synthetic Data Augmentation through Physics-Inspired Geodesic Interpolation
von: Yang, Soojung, et al.
Veröffentlicht: (2024)

A Transformer Based Generative Chemical Language AI Model for Structural Elucidation of Organic Compounds
von: Tan, Xiaofeng
Veröffentlicht: (2024)

Efficient and Precise Force Field Optimization for Biomolecules Using DPA-2
von: Chang, Junhan, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Molecular Property Predictions with Graph Neural Architecture Search
von: Jiang, Shengli, et al.
Veröffentlicht: (2023)

EquiBoost: An Equivariant Boosting Approach to Molecular Conformation Generation
von: Yang, Yixuan, et al.
Veröffentlicht: (2025)

RGFN: Synthesizable Molecular Generation Using GFlowNets
von: Koziarski, Michał, et al.
Veröffentlicht: (2024)

Instruction-Based Molecular Graph Generation with Unified Text-Graph Diffusion Model
von: Xiang, Yuran, et al.
Veröffentlicht: (2024)

Physics-informed generative model for drug-like molecule conformers
von: Williams, David C., et al.
Veröffentlicht: (2024)

GP-MoLFormer: A Foundation Model For Molecular Generation
von: Ross, Jerret, et al.
Veröffentlicht: (2024)

Pre-training of Molecular GNNs via Conditional Boltzmann Generator
von: Koge, Daiki, et al.
Veröffentlicht: (2023)

Understanding active learning of molecular docking and its applications
von: Kim, Jeonghyeon, et al.
Veröffentlicht: (2024)

HEroBM: a deep equivariant graph neural network for universal backmapping from coarse-grained to all-atom representations
von: Angioletti, Daniele, et al.
Veröffentlicht: (2024)

EquiFlow: Equivariant Conditional Flow Matching with Optimal Transport for 3D Molecular Conformation Prediction
von: Tian, Qingwen, et al.
Veröffentlicht: (2024)

GraphXForm: Graph transformer for computer-aided molecular design
von: Pirnay, Jonathan, et al.
Veröffentlicht: (2024)

MOL-Mamba: Enhancing Molecular Representation with Structural & Electronic Insights
von: Hu, Jingjing, et al.
Veröffentlicht: (2024)

Clever Hans in Chemistry: Chemist Style Signals Confound Activity Prediction on Public Benchmarks
von: Blevins, Andrew D., et al.
Veröffentlicht: (2025)

Distributional Priors Guided Diffusion for Generating 3D Molecules in Low Data Regimes
von: Hong, Haokai, et al.
Veröffentlicht: (2024)

A 3D pocket-aware and evolutionary conserved interaction guided diffusion model for molecular optimization
von: Qiao, Anjie, et al.
Veröffentlicht: (2025)

Sort & Slice: A Simple and Superior Alternative to Hash-Based Folding for Extended-Connectivity Fingerprints
von: Dablander, Markus, et al.
Veröffentlicht: (2024)

Procedural Synthesis of Synthesizable Molecules
von: Sun, Michael, et al.
Veröffentlicht: (2024)

E3STO: Orbital Inspired SE(3)-Equivariant Molecular Representation for Electron Density Prediction
von: Mitnikov, Ilan, et al.
Veröffentlicht: (2024)

EquiJump: Protein Dynamics Simulation via SO(3)-Equivariant Stochastic Interpolants
von: Costa, Allan dos Santos, et al.
Veröffentlicht: (2024)

NeuralPLexer3: Accurate Biomolecular Complex Structure Prediction with Flow Models
von: Qiao, Zhuoran, et al.
Veröffentlicht: (2024)

Leap: molecular synthesisability scoring with intermediates
von: Calvi, Antonia, et al.
Veröffentlicht: (2024)

Expanding Chemical Representation with k-mers and Fragment-based Fingerprints for Molecular Fingerprinting
von: Ali, Sarwan, et al.
Veröffentlicht: (2024)

CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning
von: Grambow, Colin A., et al.
Veröffentlicht: (2023)

Generative Artificial Intelligence for Navigating Synthesizable Chemical Space
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

Transformers Discover Molecular Structure Without Graph Priors
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)