Buchumschlag

Investigating Material Interface Diffusion Phenomena through Graph Neural Networks in Applied Materials

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Zirui, Li, Hai-Feng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Equivariant Graph Neural Networks for Prediction of Tensor Material Properties of Crystals
von: Heilman, Alex, et al.
Veröffentlicht: (2024)

Self-supervised Representations and Node Embedding Graph Neural Networks for Accurate and Multi-scale Analysis of Materials
von: Kong, Jian-Gang, et al.
Veröffentlicht: (2022)

CTGNN: Crystal Transformer Graph Neural Network for Crystal Material Property Prediction
von: Du, Zijian, et al.
Veröffentlicht: (2024)

Synergistic effects of rare-earth doping on the magnetic properties of orthochromates: A machine learning approach
von: Xu, Guanping, et al.
Veröffentlicht: (2025)

Graph Neural Network for Unified Electronic and Interatomic Potentials: Strain-tunable Electronic Structures in 2D Materials
von: Choi, Moon-ki, et al.
Veröffentlicht: (2025)

Higher-Order Equivariant Neural Networks for Charge Density Prediction in Materials
von: Koker, Teddy, et al.
Veröffentlicht: (2023)

Integrating Machine Learning with Triboelectric Nanogenerators: Optimizing Electrode Materials and Doping Strategies for Intelligent Energy Harves
von: Xu, Guanping, et al.
Veröffentlicht: (2025)

A Message Passing Neural Network Surrogate Model for Bond-Associated Peridynamic Material Correspondence Formulation
von: Hu, Xuan, et al.
Veröffentlicht: (2024)

Carrier Selectivity and Passivation at the Group V elemental 2D Material--Si Interface of a PV Device
von: Behera, Gurudayal, et al.
Veröffentlicht: (2024)

ProME: An Integrated Computational Platform for Material Properties at Extremes and Its Application in Multicomponent Alloy Design
von: Gao, Xingyu, et al.
Veröffentlicht: (2025)

Towards Universal Material Property Prediction with Deep Learning and Single-Descriptor electronic Density
von: Chen, Feng, et al.
Veröffentlicht: (2025)

Lattice Dynamics of Energy Materials Investigated by Neutron Scattering
von: Sterling, Tyler C.
Veröffentlicht: (2025)

Learning Ordering in Crystalline Materials with Symmetry-Aware Graph Neural Networks
von: Peng, Jiayu, et al.
Veröffentlicht: (2024)

CrysToGraph: A Comprehensive Predictive Model for Crystal Materials Properties and the Benchmark
von: Wang, Hongyi, et al.
Veröffentlicht: (2024)

The Northeast Materials Database for Magnetic Materials
von: Itani, Suman, et al.
Veröffentlicht: (2024)

Deep Potentials for Materials Science
von: Wen, Tongqi, et al.
Veröffentlicht: (2022)

DiffCrysGen: A Score-Based Diffusion Model for Design of Diverse Inorganic Crystalline Materials
von: Mal, Sourav, et al.
Veröffentlicht: (2025)

Transfer Learning in Materials Informatics: structure-property relationships through minimal but highly informative multimodal input
von: Massa, Dario, et al.
Veröffentlicht: (2024)

Constitutive Kolmogorov-Arnold Networks (CKANs): Combining Accuracy and Interpretability in Data-Driven Material Modeling
von: Abdolazizi, Kian P., et al.
Veröffentlicht: (2025)

Effect of Concentration Fluctuations on Material Properties of Disordered Alloys
von: Liang, Han-Pu, et al.
Veröffentlicht: (2025)

TPDH-Graphene as a New Anodic Material for Lithium Ion Battery: DFT-Based Investigations
von: Quispe, Juan Gomez, et al.
Veröffentlicht: (2024)

The 2D Materials Roadmap
von: Ren, Wencai, et al.
Veröffentlicht: (2025)

Masgent: An AI-assisted Materials Simulation Agent
von: Liu, Guanghen, et al.
Veröffentlicht: (2025)

AI-accelerated Discovery of Altermagnetic Materials
von: Gao, Ze-Feng, et al.
Veröffentlicht: (2023)

Building a Regional Data-Centric Materials Science Ecosystem for Processing-Rich Materials Innovation in the Great Plains
von: Mei, D. -M., et al.
Veröffentlicht: (2026)

PINNs-MPF: A Physics-Informed Neural Network Framework for Multi-Phase-Field Simulation of Interface Dynamics
von: Elfetni, Seifallah, et al.
Veröffentlicht: (2024)

exa-AMD: An Exascale-Ready Framework for Accelerating the Discovery and Design of Functional Materials
von: Xia, Weiyi, et al.
Veröffentlicht: (2025)

Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models
von: Barroso-Luque, Luis, et al.
Veröffentlicht: (2024)

Mapping Microstructure: Manifold Construction for Accelerated Materials Exploration
von: Mason, Simon A., et al.
Veröffentlicht: (2025)

A Foundational Potential Energy Surface Dataset for Materials
von: Kaplan, Aaron D., et al.
Veröffentlicht: (2025)

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

Predicting doping strategies for ternary nickel-cobalt-manganese cathode materials to enhance battery performance using graph neural networks
von: Zhao, Zirui, et al.
Veröffentlicht: (2024)

Material Hardness Descriptor Derived by Symbolic Regression
von: Tantardini, Christian, et al.
Veröffentlicht: (2023)

Accessing Numerical Energy Hessians with Graph Neural Network Potentials and Their Application in Heterogeneous Catalysis
von: Wander, Brook, et al.
Veröffentlicht: (2024)

Theoretical Study on MR-TADF Materials Based on CzBN
von: Bai, Jinpu, et al.
Veröffentlicht: (2025)

Large Language Models for Material Property Predictions: elastic constant tensor prediction and materials design
von: Liu, Siyu, et al.
Veröffentlicht: (2024)

CrystalFlow: A Flow-Based Generative Model for Crystalline Materials
von: Luo, Xiaoshan, et al.
Veröffentlicht: (2024)

When is the Four-phonon Effect in Half-Heusler Materials more Pronounced?
von: Wu, Yu, et al.
Veröffentlicht: (2024)

Exploring the Expertise of Large Language Models in Materials Science and Metallurgical Engineering
von: Bajan, Christophe, et al.
Veröffentlicht: (2025)

Massive Discovery of Low-Dimensional Materials from Universal Computational Strategy
von: Bagheri, Mohammad, et al.
Veröffentlicht: (2025)