Buchumschlag

Comparison between tensor methods and neural networks in electronic structure calculations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dus, Mathias, Dusson, Geneviève, Ehrlacher, Virginie, Guillot, Clément, Wambo, Joel Pascal Soffo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Two-layers neural networks for Schr{ö}dinger eigenvalue problems
von: Dus, Mathias, et al.
Veröffentlicht: (2024)

Grassmannian Geometry and Global Convergence of Variable Projection for Neural Networks
von: Dus, Mathias
Veröffentlicht: (2026)

A sparse approximation of the Lieb functional with moment constraints
von: Ehrlacher, Virginie, et al.
Veröffentlicht: (2023)

Wasserstein Formulation of Reinforcement Learning. An Optimal Transport Perspective on Policy Optimization
von: Dus, Mathias
Veröffentlicht: (2026)

A reduced-order model for parametrized Optimal Transport problems
von: Bonnet-Weill, Elise, et al.
Veröffentlicht: (2026)

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

Debiasing optimal transport: classical and entropic
von: Aubin-Frankowski, Pierre-Cyril, et al.
Veröffentlicht: (2026)

Nonlinear reduced basis using mixture Wasserstein barycenters: application to an eigenvalue problem inspired from quantum chemistry
von: Dalery, Maxime, et al.
Veröffentlicht: (2023)

Adversarial neural network methods for topology optimization of eigenvalue problems
von: Hu, Xindi, et al.
Veröffentlicht: (2024)

AONN-2: An adjoint-oriented neural network method for PDE-constrained shape optimization
von: Wang, Xili, et al.
Veröffentlicht: (2023)

A space-time variational formulation for the many-body electronic Schr{ö}dinger evolution equation
von: Dupuy, Mi-Song, et al.
Veröffentlicht: (2024)

Golf Strategy Optimization and the "Drive for show, putt for dough" adage
von: Stauffer, Gautier, et al.
Veröffentlicht: (2023)

Convex semidefinite tensor optimization and quantum entanglement
von: Xu, Liding, et al.
Veröffentlicht: (2025)

Nonsmooth Optimisation and neural networks
von: Peiris, Vinesha, et al.
Veröffentlicht: (2025)

Augmented Lagrangian method for coupled-cluster
von: Faulstich, Fabian M., et al.
Veröffentlicht: (2024)

Composition and tensor train structure in polynomial optimization
von: Gaggioli, Llorenç Balada, et al.
Veröffentlicht: (2026)

Tikhonov regularized exterior penalty methods for hierarchical variational inequalities
von: Marschner, Meggie, et al.
Veröffentlicht: (2025)

The duality structure gradient descent algorithm: analysis and applications to neural networks
von: Flynn, Thomas
Veröffentlicht: (2017)

Copula methods for modeling pair densities in density functional theory
von: Dusson, Geneviève, et al.
Veröffentlicht: (2025)

Complexity analysis of regularization methods for implicitly constrained least squares
von: Onwunta, Akwum, et al.
Veröffentlicht: (2023)

Higher-order tensor methods for minimizing difference of convex functions
von: Necoara, Ion
Veröffentlicht: (2024)

Penalty Adversarial Network (PAN): A neural network-based method to solve PDE-constrained optimal control problems
von: Ma, Shilin, et al.
Veröffentlicht: (2024)

Conditionally adaptive augmented Lagrangian method for physics-informed learning of forward and inverse problems
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

Unfolded proximal neural networks for robust image Gaussian denoising
von: Le, Hoang Trieu Vy, et al.
Veröffentlicht: (2023)

Riemannian trust-region methods for strict saddle functions with complexity guarantees
von: Goyens, Florentin, et al.
Veröffentlicht: (2024)

Graph neural networks for the prediction of molecular structure-property relationships
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Accelerating shape optimization by deep neural networks with on-the-fly determined architecture
von: Kubíčková, Lucie, et al.
Veröffentlicht: (2025)

Hopfield neural networks as port-Hamiltonian and gradient systems
von: van der Schaft, Arjan
Veröffentlicht: (2026)

KKT-based optimality conditions for neural network approximation
von: Peiris, Vinesha, et al.
Veröffentlicht: (2025)

A tactical time slot management problem under mixed logit demand
von: Abdolhamidi, Dorsa, et al.
Veröffentlicht: (2024)

Graph-structured tensor optimization for nonlinear density control and mean field games
von: Ringh, Axel, et al.
Veröffentlicht: (2021)

Projected gradient descent algorithm for $\textit{ab initio}$ crystal structure relaxation under a fixed unit cell volume
von: Hu, Yukuan, et al.
Veröffentlicht: (2024)

Model Predictive Control for Joint Ramping and Regulation-Type Service from Distributed Energy Resource Aggregations
von: Mathias, Joel, et al.
Veröffentlicht: (2024)

Mechanostat-type effective density correction for Carter-Hayes growth applied to topology optimization and its efficient interpolation for a target strain energy and volume fraction
von: Irastorza-Valera, Luis, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Physics-Informed Computational Fluid Dynamics
von: Jnini, Anas, et al.
Veröffentlicht: (2024)

Open-source shape optimization for isogeometric shells using FEniCS and OpenMDAO
von: Zhao, Han, et al.
Veröffentlicht: (2024)

Automatic Calibration of Mesoscopic Traffic Simulation Using Vehicle Trajectory Data
von: Sun, Ran, et al.
Veröffentlicht: (2025)

Thrust Regulation in a Solid Fuel Ramjet using Dynamic Mode Adaptive Control
von: Oveissi, Parham, et al.
Veröffentlicht: (2026)

Scalable Data-Driven Basis Selection for Linear Machine Learning Interatomic Potentials
von: Torabi, Tina, et al.
Veröffentlicht: (2025)

The Solution of Potential-Driven, Steady-State Nonlinear Network Flow Equations via Graph Partitioning
von: Srinivasan, Shriram, et al.
Veröffentlicht: (2025)