:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ferguson, Kevin, Chen, Yu-hsuan, Kara, Levent Burak
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computational Physics
Online-Zugang:	https://arxiv.org/abs/2501.17319
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Topology-Agnostic Graph U-Nets for Scalar Field Prediction on Unstructured Meshes
von: Ferguson, Kevin, et al.
Veröffentlicht: (2024)

VIRL: Volume-Informed Representation Learning towards Few-shot Manufacturability Estimation
von: Chen, Yu-hsuan, et al.
Veröffentlicht: (2024)

Scalar Field Prediction on Meshes Using Interpolated Multi-Resolution Convolutional Neural Networks
von: Ferguson, Kevin, et al.
Veröffentlicht: (2024)

FLARE: Fast Low-rank Attention Routing Engine
von: Puri, Vedant, et al.
Veröffentlicht: (2025)

Attention to Detail: Fine-Scale Feature Preservation-Oriented Geometric Pre-training for AI-Driven Surrogate Modeling
von: Chen, Yu-hsuan, et al.
Veröffentlicht: (2025)

Curve-based Neural Style Transfer
von: Chen, Yu-hsuan, et al.
Veröffentlicht: (2023)

Multi-scale Topology Optimization using Neural Networks
von: Chen, Hongrui, et al.
Veröffentlicht: (2024)

Heterogeneous Metamaterials Design via Multiscale Neural Implicit Representation
von: Chen, Hongrui, et al.
Veröffentlicht: (2025)

A Machine Learning Framework for Predicting Microphysical Properties of Ice Crystals from Cloud Particle Imagery
von: Ko, Joseph, et al.
Veröffentlicht: (2025)

Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models
von: Plainer, Michael, et al.
Veröffentlicht: (2025)

Are Foundational Atomistic Models Reliable for Finite-Temperature Molecular Dynamics?
von: Li, Denan, et al.
Veröffentlicht: (2025)

Modelling Gas-Phase Reaction Kinetics with Guided Particle Diffusion Sampling
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Hessian Matching for Machine-Learned Coarse-Grained Molecular Dynamics
von: Murdeshwar, Sanya, et al.
Veröffentlicht: (2026)

Operator Forces For Coarse-Grained Molecular Dynamics
von: Klein, Leon, et al.
Veröffentlicht: (2025)

Molecular Learning Dynamics
von: Gusev, Yaroslav, et al.
Veröffentlicht: (2025)

MD-LLM-1: A Large Language Model for Molecular Dynamics
von: Murtada, Mhd Hussein, et al.
Veröffentlicht: (2025)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

On Accelerating Diffusion-based Molecular Conformation Generation in SE(3)-invariant Space
von: Zhou, Zihan, et al.
Veröffentlicht: (2023)

MVNN: A Measure-Valued Neural Network for Learning McKean-Vlasov Dynamics from Particle Data
von: Lyu, Liyao, et al.
Veröffentlicht: (2026)

Multi-Parameter Molecular MRI Quantification using Physics-Informed Self-Supervised Learning
von: Finkelstein, Alex, et al.
Veröffentlicht: (2024)

Energy-Based Coarse-Graining in Molecular Dynamics: A Flow-Based Framework without Data
von: Stupp, Maximilian, et al.
Veröffentlicht: (2025)

Geometric Deep Learning for Molecular Crystal Structure Prediction
von: Kilgour, Michael, et al.
Veröffentlicht: (2023)

A Comparative Study of Machine Learning Models Predicting Energetics of Interacting Defects
von: Yu, Hao
Veröffentlicht: (2024)

Diffusion-Driven Generative Framework for Molecular Conformation Prediction
von: Yang, Bobin, et al.
Veröffentlicht: (2023)

Enabling Structure-Only Initialization and Out-of-Distribution Generalization in GNN-based Molecular Dynamics Simulators
von: Shteingolts, S. A., et al.
Veröffentlicht: (2026)

Accelerated Discovery of Cryoprotectant Cocktails via Multi-Objective Bayesian Optimization
von: Emerson, Daniel, et al.
Veröffentlicht: (2026)

Dynamical Diffusion: Learning Temporal Dynamics with Diffusion Models
von: Guo, Xingzhuo, et al.
Veröffentlicht: (2025)

Force-Free Molecular Dynamics Through Autoregressive Equivariant Networks
von: Thiemann, Fabian L., et al.
Veröffentlicht: (2025)

Machine Learning Workflow for Analysis of High-Dimensional Order Parameter Space: A Case Study of Polymer Crystallization from Molecular Dynamics Simulations
von: Tourani, Elyar, et al.
Veröffentlicht: (2025)

HPCNeuroNet: A Neuromorphic Approach Merging SNN Temporal Dynamics with Transformer Attention for FPGA-based Particle Physics
von: Isik, Murat, et al.
Veröffentlicht: (2024)

Tailoring Frictional Properties of Surfaces Using Diffusion Models
von: Nordhagen, Even Marius, et al.
Veröffentlicht: (2024)

Graph-Based Learning of Free Surface Dynamics in Generalized Newtonian Fluids using Smoothed Particle Hydrodynamics
von: Kim, Hyo-Jin, et al.
Veröffentlicht: (2025)

Exploring End-to-end Differentiable Neural Charged Particle Tracking -- A Loss Landscape Perspective
von: Kortus, Tobias, et al.
Veröffentlicht: (2024)

FunDiff: Diffusion Models over Function Spaces for Physics-Informed Generative Modeling
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

Networked Inequality: Preferential Attachment Bias in Graph Neural Network Link Prediction
von: Subramonian, Arjun, et al.
Veröffentlicht: (2023)

Teaching Molecular Dynamics to a Non-Autoregressive Ionic Transport Predictor
von: Kim, Jiyeon, et al.
Veröffentlicht: (2026)

Artificial Intelligence for Direct Prediction of Molecular Dynamics Across Chemical Space
von: Ge, Fuchun, et al.
Veröffentlicht: (2025)

Particle Denoising Diffusion Sampler
von: Phillips, Angus, et al.
Veröffentlicht: (2024)

TrustMol: Trustworthy Inverse Molecular Design via Alignment with Molecular Dynamics
von: Wijaya, Kevin Tirta, et al.
Veröffentlicht: (2024)

A Reinforcement Learning-Driven Transformer GAN for Molecular Generation
von: Li, Chen, et al.
Veröffentlicht: (2025)