Buchumschlag

Constructing and explaining machine learning models for chemistry: example of the exploration and design of boron-based Lewis acids

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fenogli, Juliette, Grimaud, Laurence, Vuilleumier, Rodolphe
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Chemical Physics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Prediction of Lewis acidity of borane derivatives with constrained ligands via Machine Learning
von: Fenogli, Juliette, et al.
Veröffentlicht: (2024)

MLatom 3: Platform for machine learning-enhanced computational chemistry simulations and workflows
von: Dral, Pavlo O., et al.
Veröffentlicht: (2023)

On the design space between molecular mechanics and machine learning force fields
von: Wang, Yuanqing, et al.
Veröffentlicht: (2024)

Universally applicable and tunable graph-based coarse-graining for Machine learning force fields
von: Brunken, Christoph, et al.
Veröffentlicht: (2025)

Exploring the design space of machine-learning models for quantum chemistry with a fully differentiable framework
von: Suman, Divya, et al.
Veröffentlicht: (2025)

FunctionalAgent: Towards end-to-end on-top functional design
von: Chen, Yuhao, et al.
Veröffentlicht: (2026)

Constructing accurate and efficient general-purpose atomistic machine learning model with transferable accuracy for quantum chemistry
von: Chen, Yicheng, et al.
Veröffentlicht: (2024)

Machine-learned molecular mechanics force field for the simulation of protein-ligand systems and beyond
von: Takaba, Kenichiro, et al.
Veröffentlicht: (2023)

Monomeric machine learning potential for general covalent molecules: linear alkanes as an example
von: Li, Xinze, et al.
Veröffentlicht: (2026)

El Agente Quntur: A research collaborator agent for quantum chemistry
von: Pérez-Sánchez, Juan B., et al.
Veröffentlicht: (2026)

Uncovering sustainable personal care ingredient combinations using scientific modelling
von: Bhattacharya, Sandip, et al.
Veröffentlicht: (2026)

Physics-informed active learning for accelerating quantum chemical simulations
von: Hou, Yi-Fan, et al.
Veröffentlicht: (2024)

Machine learning meets mass spectrometry: a focused perspective
von: Boiko, Daniil A., et al.
Veröffentlicht: (2024)

Perovskite-R1: a domain-specialized large language model for intelligent discovery of precursor additives and experimental design
von: Wang, Xin-De, et al.
Veröffentlicht: (2025)

Multi-objective fluorescent molecule design with a data-physics dual-driven generative framework
von: Li, Yanheng, et al.
Veröffentlicht: (2026)

Ensemble Knowledge Distillation for Machine Learning Interatomic Potentials
von: Matin, Sakib, et al.
Veröffentlicht: (2025)

BioMD: All-atom Generative Model for Biomolecular Dynamics Simulation
von: Feng, Bin, et al.
Veröffentlicht: (2025)

$Δ$-ML Ensembles for Selecting Quantum Chemistry Methods to Compute Intermolecular Interactions
von: Wallace, Austin M., et al.
Veröffentlicht: (2025)

Solvaformer: an SE(3)-equivariant graph transformer for small molecule solubility prediction
von: Broadbent, Jonathan, et al.
Veröffentlicht: (2025)

Prospects for Using Artificial Intelligence to Understand Intrinsic Kinetics of Heterogeneous Catalytic Reactions
von: Medford, Andrew J., et al.
Veröffentlicht: (2025)

Flow matching for reaction pathway generation
von: Tuo, Ping, et al.
Veröffentlicht: (2025)

SMILES-Inspired Transfer Learning for Quantum Operators in Generative Quantum Eigensolver
von: Yin, Zhi, et al.
Veröffentlicht: (2025)

MDCrow: Automating Molecular Dynamics Workflows with Large Language Models
von: Campbell, Quintina, et al.
Veröffentlicht: (2025)

AI-Driven Scholarly Peer Review via Persistent Workflow Prompting, Meta-Prompting, and Meta-Reasoning
von: Markhasin, Evgeny
Veröffentlicht: (2025)

Mamba-driven multi-perspective structural understanding for molecular ground-state conformation prediction
von: Gou, Yuxin, et al.
Veröffentlicht: (2025)

Spin-Adapted Neural Network Wavefunctions in Real Space
von: Li, Ruichen, et al.
Veröffentlicht: (2025)

Predicting Chemical Reaction Outcomes Based on Electron Movements Using Machine Learning
von: Chen, Shuan, et al.
Veröffentlicht: (2025)

MolErr2Fix: Benchmarking LLM Trustworthiness in Chemistry via Modular Error Detection, Localization, Explanation, and Revision
von: Wu, Yuyang, et al.
Veröffentlicht: (2025)

QCBench: Evaluating Large Language Models on Domain-Specific Quantitative Chemistry
von: Xie, Jiaqing, et al.
Veröffentlicht: (2025)

SynTwins: A Retrosynthesis-Guided Framework for Synthesizable Molecular Analog Generation
von: Chen, Shuan, et al.
Veröffentlicht: (2025)

NMR-Solver: Automated Structure Elucidation via Large-Scale Spectral Matching and Physics-Guided Fragment Optimization
von: Jin, Yongqi, et al.
Veröffentlicht: (2025)

PhenoMoler: Phenotype-Guided Molecular Optimization via Chemistry Large Language Model
von: Song, Ran, et al.
Veröffentlicht: (2025)

Large Language Model Agent for User-friendly Chemical Process Simulations
von: Liang, Jingkang, et al.
Veröffentlicht: (2026)

From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark
von: Ye, Shuquan, et al.
Veröffentlicht: (2026)

An SO(3)-equivariant reciprocal-space neural potential for long-range interactions
von: Zhang, Lingfeng, et al.
Veröffentlicht: (2026)

Suiren-1.0 Technical Report: A Family of Molecular Foundation Models
von: An, Junyi, et al.
Veröffentlicht: (2026)

Symmetry Adapted Residual Neural Network Diabatization: Conical Intersections in Aniline Photodissociation
von: Shen, Yifan, et al.
Veröffentlicht: (2024)

Uni-ELF: A Multi-Level Representation Learning Framework for Electrolyte Formulation Design
von: Zeng, Boshen, et al.
Veröffentlicht: (2024)

On the Reliability of AI Methods in Drug Discovery: Evaluation of Boltz-2 for Structure and Binding Affinity Prediction
von: Wan, Shunzhou, et al.
Veröffentlicht: (2026)

NMRTrans: Structure Elucidation from Experimental NMR Spectra via Set Transformers
von: Yang, Liujia, et al.
Veröffentlicht: (2026)