:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Zhilong, Lu, Shuaihua, Ju, Minggang, Zhou, Qionghua, Wang, Jinlan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science
Online-Zugang:	https://arxiv.org/abs/2407.07016
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

T2MAT (text-to-materials): A universal agent for generating material structures with goal properties from a single sentence
von: Song, Zhilong, et al.
Veröffentlicht: (2024)

LLM-Feynman: Leveraging Large Language Models for Universal Scientific Formula and Theory Discovery
von: Song, Zhilong, et al.
Veröffentlicht: (2025)

Inverse Design of Promising Alloys for Electrocatalytic CO$_2$ Reduction via Generative Graph Neural Networks Combined with Bird Swarm Algorithm
von: Song, Zhilong, et al.
Veröffentlicht: (2024)

Stability and Symmetry-Assured Crystal Structure Generation for Inverse Design of Photocatalysts in Water Splitting
von: Song, Zhilong, et al.
Veröffentlicht: (2025)

Multi-Source Domain Transfer Learning for Accurate Property Prediction in Two-Dimensional Materials
von: Zhang, Huiyang, et al.
Veröffentlicht: (2026)

Impact of Data Bias on Machine Learning for Crystal Compound Synthesizability Predictions
von: Davariashtiyani, Ali, et al.
Veröffentlicht: (2024)

Attention Is Not All You Need for Diffraction
von: Baggett, Elizabeth J., et al.
Veröffentlicht: (2026)

Synthesizability Prediction of Crystalline Structures with a Hierarchical Transformer and Uncertainty Quantification
von: Ebrahimzadeh, Danial, et al.
Veröffentlicht: (2025)

Bridging Theory and Experiment in Materials Discovery: Machine-Learning-Assisted Prediction of Synthesizable Structures
von: Xin, Yu, et al.
Veröffentlicht: (2025)

OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction
von: Jin, Emily, et al.
Veröffentlicht: (2025)

The JARVIS Infrastructure is All You Need for Materials Design
von: Choudhary, Kamal
Veröffentlicht: (2025)

Crystal Structure Generation with Autoregressive Large Language Modeling
von: Antunes, Luis M., et al.
Veröffentlicht: (2023)

Two‐Dimensional Semiconductor–Metal Contact Engineering: Challenges and Strategies for High‐Performance Electronics
von: Xiaoshu Gong, et al.
Veröffentlicht: (2025)

Persistence is All You Need -- A Topological Lens on Microstructural Characterization
von: Szemer, Maksym, et al.
Veröffentlicht: (2025)

Accelerating Discovery of Ternary Chiral Materials via Large-Scale Random Crystal Structure Prediction
von: Song, Jiexi, et al.
Veröffentlicht: (2025)

A Synthesizability-Guided Pipeline for Materials Discovery
von: Prein, Thorben, et al.
Veröffentlicht: (2025)

Siamese Foundation Models for Crystal Structure Prediction
von: Wu, Liming, et al.
Veröffentlicht: (2025)

SynCoTrain: A Dual Classifier PU-learning Framework for Synthesizability Prediction
von: Amariamir, Sasan, et al.
Veröffentlicht: (2024)

MatLLMSearch: Crystal Structure Discovery with Evolution-Guided Large Language Models
von: Gan, Jingru, et al.
Veröffentlicht: (2025)

Zero-field Anomalous Hall Effect in Bulk Single Crystal Mn3Ir
von: Gu, Xin, et al.
Veröffentlicht: (2025)

Equivariant Diffusion for Crystal Structure Prediction
von: Lin, Peijia, et al.
Veröffentlicht: (2025)

Crystal Structure Prediction by Joint Equivariant Diffusion
von: Jiao, Rui, et al.
Veröffentlicht: (2023)

CSPBench: a benchmark and critical evaluation of Crystal Structure Prediction
von: Wei, Lai, et al.
Veröffentlicht: (2024)

Challenges in Non-Polymeric Crystal Structure Prediction: Why a Geometric, Permutation-Invariant Loss is Needed
von: Jehanno, Emmanuel, et al.
Veröffentlicht: (2025)

Bridging the Synthesizability Gap in Perovskites by Combining Computations, Literature Data, and PU Learning
von: Desai, Rushik, et al.
Veröffentlicht: (2025)

Self-Supervised Generative Models for Crystal Structures
von: Liu, Fangze, et al.
Veröffentlicht: (2023)

Enhancing Spatial Reasoning in Large Language Models for Metal-Organic Frameworks Structure Prediction
von: Pan, Mianzhi, et al.
Veröffentlicht: (2026)

Predicting the Structure and Stability of Oxide Nanoscrolls from Dichalcogenide Precursors
von: Gupta, Adway, et al.
Veröffentlicht: (2024)

Transformer-Enhanced Variational Autoencoder for Crystal Structure Prediction
von: Chen, Ziyi, et al.
Veröffentlicht: (2025)

CRYSIM: Prediction of Symmetric Structures of Large Crystals with GPU-based Ising Machines
von: Liang, Chen, et al.
Veröffentlicht: (2025)

Efficient Crystal Structure Prediction Using Universal Neural Network Potential with Diversity Preservation in Genetic Algorithms
von: Shibayama, Takuya, et al.
Veröffentlicht: (2025)

Synthesizability, hardness, and stacking order in multicomponent transition metal carbides from machine-learned potentials
von: Liu, Xin, et al.
Veröffentlicht: (2026)

CrystalFormer-CSP: Thinking Fast and Slow for Crystal Structure Prediction
von: Cao, Zhendong, et al.
Veröffentlicht: (2025)

Predicting the future applications of any stoichiometric inorganic material through learning from past literature
von: Wu, Yu, et al.
Veröffentlicht: (2024)

High-Entropy Skutterudites as Thermoelectrics: Potential Synthesizability, Enhanced Stability and Band Convergence via the Cocktail Effect
von: Plata, Jose J., et al.
Veröffentlicht: (2025)

ContinuouSP: Generative Model for Crystal Structure Prediction with Invariance and Continuity
von: Tone, Yuji, et al.
Veröffentlicht: (2025)

Hydrazine-Free Precursor for Solution-Processed All-Inorganic Se and Se1-xTex Photovoltaics
von: Alfieri, Adam D., et al.
Veröffentlicht: (2025)

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching
von: Zeng, Cheng, et al.
Veröffentlicht: (2026)

OpenCSP: A Deep Learning Framework for Crystal Structure Prediction from Ambient to High Pressure
von: Wang, Yinan, et al.
Veröffentlicht: (2025)

Formation Energy Prediction of Material Crystal Structures using Deep Learning
von: Torlao, V., et al.
Veröffentlicht: (2024)