Buchumschlag

Establishing baselines for generative discovery of inorganic crystals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Szymanski, Nathan J., Bartel, Christopher J.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Artificial Intelligence Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Topological descriptors for the electron density of inorganic solids
von: Szymanski, Nathan J., et al.
Veröffentlicht: (2025)

LEAP: A closed-loop framework for perovskite precursor additive discovery
von: Wang, Xin-De, et al.
Veröffentlicht: (2026)

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)

GENIUS: An Agentic AI Framework for Autonomous Design and Execution of Simulation Protocols
von: Soleymanibrojeni, Mohammad, et al.
Veröffentlicht: (2025)

Benchmarking Universal Interatomic Potentials on Zeolite Structures
von: Ito, Shusuke, et al.
Veröffentlicht: (2025)

Symmetry-Constrained Generation of Diverse Low-Bandgap Molecules with Monte Carlo Tree Search
von: Subramanian, Akshay, et al.
Veröffentlicht: (2024)

ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis
von: Grizzi, Vitor F., et al.
Veröffentlicht: (2026)

AI-Guided Discovery of Novel Ionic Liquid Solvents for Industrial CO2 Capture
von: Garbelotto, Davide, et al.
Veröffentlicht: (2026)

UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials
von: Zhang, Gongbo, et al.
Veröffentlicht: (2025)

Harnessing AtomisticSkills for Agentic Atomistic Research
von: Deng, Bowen, et al.
Veröffentlicht: (2026)

Escaping the Hydrolysis Trap: An Agentic Workflow for Inverse Design of Durable Photocatalytic Covalent Organic Frameworks
von: Peivaste, Iman, et al.
Veröffentlicht: (2026)

Generative Chemical Language Models for Energetic Materials Discovery
von: Salij, Andrew, et al.
Veröffentlicht: (2026)

Beyond theory driven discovery: hot random search and datum derived structures
von: Pickard, Chris J.
Veröffentlicht: (2024)

Evaluating Large Language Models in Scientific Discovery
von: Song, Zhangde, et al.
Veröffentlicht: (2025)

Mathematical crystal chemistry II: Random search for ionic crystals and analysis on oxide crystals registered in ICSD
von: Koshoji, Ryotaro
Veröffentlicht: (2025)

Enhancing the Scalability and Applicability of Kohn-Sham Hamiltonians for Molecular Systems
von: Li, Yunyang, et al.
Veröffentlicht: (2025)

COFAP: A Universal Framework for COFs Adsorption Prediction through Designed Multi-Modal Extraction and Cross-Modal Synergy
von: Li, Zihan, et al.
Veröffentlicht: (2025)

Accelerating Scientific Discovery with Autonomous Goal-evolving Agents
von: Du, Yuanqi, et al.
Veröffentlicht: (2025)

Spiers Memorial Lecture: How to do impactful research in artificial intelligence for chemistry and materials science
von: Cheng, Austin, et al.
Veröffentlicht: (2024)

From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures
von: Liu, Ryan, et al.
Veröffentlicht: (2026)

Are large language models superhuman chemists?
von: Mirza, Adrian, et al.
Veröffentlicht: (2024)

Pushing the Pareto front of band gap and permittivity: ML-guided search for dielectric materials
von: Riebesell, Janosh, et al.
Veröffentlicht: (2024)

Advancing Universal Deep Learning for Electronic-Structure Hamiltonian Prediction of Materials
von: Yin, Shi, et al.
Veröffentlicht: (2025)

ChemGraph: An Agentic Framework for Computational Chemistry Workflows
von: Pham, Thang D., et al.
Veröffentlicht: (2025)

THz to far-infrared spectra of the known crystal polymorphs of Phenylalanine
von: Niehaus, Thomas A., et al.
Veröffentlicht: (2024)

How accurate are simulations and experiments for the lattice energies of molecular crystals?
von: Della Pia, Flaviano, et al.
Veröffentlicht: (2024)

Imperfections are not 0 K: free energy of point defects in crystals
von: Mosquera-Lois, Irea, et al.
Veröffentlicht: (2023)

Towards superior van der Waals density functionals for molecular crystals
von: Fedorov, Dmitry V., et al.
Veröffentlicht: (2025)

Surface doping of rubrene single crystals by molecular electron donors and acceptors
von: Gatsios, Christos, et al.
Veröffentlicht: (2024)

Ultrahigh ion diffusion in oxide crystal by engineering the interfacial transporter channels
von: Li, Liang, et al.
Veröffentlicht: (2022)

Multi-task learning for molecular electronic structure approaching coupled-cluster accuracy
von: Tang, Hao, et al.
Veröffentlicht: (2024)

Resonant molecular transitions in second harmonic generation spectroscopy of Fe-octaethylporphyrin adsorbed on Cu(001)
von: Eschenlohr, A., et al.
Veröffentlicht: (2024)

Magnetic properties of layered hybrid organic-inorganic metal-halide perovskites: transition metal, organic cation and perovskite phase effects
von: Asensio, Yaiza, et al.
Veröffentlicht: (2024)

Competing excitonic couplings as origin of mimicked phase transitions in zinc-phthalocyanine single crystals
von: Schraut-May, Lisa, et al.
Veröffentlicht: (2025)

On the electrochemical CO2 reduction by Bi-based catalysts: single crystals or mixture phases
von: Zhou, Mengting, et al.
Veröffentlicht: (2024)

Computer Simulation of the Growth of a Metal-Organic Framework Proto-crystal at Constant Chemical Potential
von: Gargari, Sahar Andarzi, et al.
Veröffentlicht: (2025)

Real-time dynamics with bead-Fourier path integrals. II. Bead-Fourier RPMD
von: London, Nathan, et al.
Veröffentlicht: (2025)

Electrically driven first-order phase transition of a 2D ionic crystal at the electrode/electrolyte interface
von: Angiolari, Federica, et al.
Veröffentlicht: (2025)

Mode-selective Raman imaging of metal-organic frameworks reveals surface heterogeneities of single HKUST-1 crystals
von: Ferreira, Matheus Esteves, et al.
Veröffentlicht: (2024)

Machine learning classification of local environments in molecular crystals
von: Kuroshima, Daisuke, et al.
Veröffentlicht: (2024)