Buchumschlag

MAMBO: a lightweight ontology for multiscale materials and applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Piane, Fabio Le, Baldoni, Matteo, Gaspari, Mauro, Mercuri, Francesco
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

Neural operator accelerated atomistic to continuum concurrent multiscale simulations of viscoelasticity
von: Sohail, Tanvir, et al.
Veröffentlicht: (2026)

The case of the missing gallium vacancy in gallium arsenide: A multiscale explanation
von: Diaz, Leopoldo, et al.
Veröffentlicht: (2025)

Cerium doped graphene-based materials towards oxygen reduction reaction catalysis
von: Lucchetti, Lanna E. B., et al.
Veröffentlicht: (2025)

PET-MAD, a lightweight universal interatomic potential for advanced materials modeling
von: Mazitov, Arslan, et al.
Veröffentlicht: (2025)

Electronic structure, phase stability, and transport properties of the AlTiVCr lightweight high-entropy alloy: A computational study
von: Woodgate, Christopher D., et al.
Veröffentlicht: (2026)

Unsupervised Tracking of Local and Collective Defects Dynamics in Metals Under Deformation
von: Cioni, Matteo, et al.
Veröffentlicht: (2024)

NEP-CG and NEP-AACG: Efficient coarse-grained and multiscale all-atom-coarse-grained neuroevolution potentials
von: Fan, Zheyong, et al.
Veröffentlicht: (2026)

Polymorphic crystallites model for monolayer amorphous materials
von: Zhu, Le-Ye, et al.
Veröffentlicht: (2026)

Multiple scales homogenisation of a porous viscoelastic material with rigid inclusions: application to lithium-ion battery electrodes
von: Foster, J. M., et al.
Veröffentlicht: (2024)

Double-tough ceramics: Optimization-supported multiscale computational design
von: Zhang, Jian, et al.
Veröffentlicht: (2025)

Variational multiscale enrichment method for dynamic response of hyperelastic materials at finite deformation
von: Arora, Abhishek, et al.
Veröffentlicht: (2025)

Wenzhou TE: a first-principles calculated thermoelectric materials database
von: Fang, Ying, et al.
Veröffentlicht: (2024)

Generative deep learning for the inverse design of materials
von: Long, Teng, et al.
Veröffentlicht: (2024)

Compressing and forecasting atomic material simulations with descriptors
von: Swinburne, Thomas D
Veröffentlicht: (2023)

A simulation-based training framework for machine-learning applications in ARPES
von: Na, MengXing, et al.
Veröffentlicht: (2025)

Advances in perovskite nanocrystals and nanocomposites for scintillation applications
von: Anand, Abhinav, et al.
Veröffentlicht: (2024)

Advances in modeling complex materials: The rise of neuroevolution potentials
von: Ying, Penghua, et al.
Veröffentlicht: (2025)

First-principles screening of materials with extreme effective masses
von: Błazucki, Szymon, et al.
Veröffentlicht: (2025)

GRFsaw: A lightweight stochastic microstructure generator
von: Blatny, Lars, et al.
Veröffentlicht: (2024)

On the internal architecture of lightweight negative Poisson's ratio (auxetic) metastructures: a review
von: Rahimi-Lenji, Ali, et al.
Veröffentlicht: (2025)

Electrostatic interactions in atomistic and machine-learned potentials for polar materials
von: Monacelli, Lorenzo, et al.
Veröffentlicht: (2024)

Guidelines for accurate and efficient calculations of mobilities in two-dimensional materials
von: Zhou, Jiaqi, et al.
Veröffentlicht: (2024)

douka: A universal platform of data assimilation for materials modeling
von: Watanabe, Aoi, et al.
Veröffentlicht: (2025)

A tomographic interpretation of structure-property relations for materials discovery
von: Ortega-Ochoa, Raul, et al.
Veröffentlicht: (2025)

Exploring the magnetic landscape of easily-exfoliable two-dimensional materials
von: Haddadi, Fatemeh, et al.
Veröffentlicht: (2025)

Decoupling Electric Field and Temperature-Driven Atomistic Forming Mechanisms in TaOx/HfO2-Based ReRAMs using Reactive Molecular Dynamics Simulations
von: Lahkar, Simanta, et al.
Veröffentlicht: (2025)

Full-cycle device-scale simulations of memory materials with a tailored atomic-cluster-expansion potential
von: Zhou, Yuxing, et al.
Veröffentlicht: (2025)

Universal materials model of deep-learning density functional theory Hamiltonian
von: Wang, Yuxiang, et al.
Veröffentlicht: (2024)

Tensor-involved peridynamics: A unified framework for isotropic and anisotropic materials
von: Tian, Hao, et al.
Veröffentlicht: (2024)

Influence of the microstructure on the mechanical behavior of nanoporous materials under large strains
von: Chandrasekaran, Rajesh, et al.
Veröffentlicht: (2024)

MADAS -- A Python framework for assessing similarity in materials-science data
von: Kuban, Martin, et al.
Veröffentlicht: (2024)

Beyond surfaces: quantifying internal radiative heat transport in dense materials
von: Tiwari, Janak, et al.
Veröffentlicht: (2025)

Direction-aware topological descriptors for Young's modulus prediction in porous materials
von: Topolnicki, Rafał, et al.
Veröffentlicht: (2026)

Surface Magnetization in Antiferromagnets: Classification, example materials, and relation to magnetoelectric responses
von: Weber, Sophie F., et al.
Veröffentlicht: (2023)

Screening of material defects using universal machine-learning interatomic potentials
von: Berger, Ethan, et al.
Veröffentlicht: (2025)

Coarse-grained crystal graph neural networks for reticular materials design
von: Korolev, Vadim, et al.
Veröffentlicht: (2023)

Retrieval of fundamental material parameters of monolayer transition metal dichalcogenides from experimental exciton energies: An analytical approach
von: Ly, Duy-Nhat, et al.
Veröffentlicht: (2025)

Accelerating active learning materials discovery with FAIR data and workflows: a case study for alloy melting temperatures
von: Harwani, Mohnish, et al.
Veröffentlicht: (2024)

Doped 2D diamond: properties and applications
von: Ipaves, Bruno, et al.
Veröffentlicht: (2023)

What can machine learning help with microstructure-informed materials modeling and design?
von: Peng, Xiang-Long, et al.
Veröffentlicht: (2024)