Buchumschlag

An Explainable AI Model for Binary LJ Fluids

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hashmi, Israrul H, Karmakar, Rahul, Maniteja, Marripelli, Ayush, Kumar, Patra, Tarak K.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Machine Learning Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Extrapolative ML Models for Copolymers
von: Hashmi, Israrul H., et al.
Veröffentlicht: (2024)

Nanobubble size controls gas hydrate nucleation in supercooled water
von: Kanaujiya, Ramkhelavan, et al.
Veröffentlicht: (2025)

QT-Net: Rethinking Evaluation of AI Models in Atomic Chemical Space
von: Crespo, Pablo Martínez, et al.
Veröffentlicht: (2026)

Gas Mixture Diffusion and Distribution in the Porous ZIF-90 Framework
von: Yacham, Ashok, et al.
Veröffentlicht: (2025)

Inverse Design of Inorganic Compounds with Generative AI
von: Kneiding, Hannes, et al.
Veröffentlicht: (2026)

Foundation Models for Discovery and Exploration in Chemical Space
von: Wadell, Alexius, et al.
Veröffentlicht: (2025)

General-Purpose Models for the Chemical Sciences: LLMs and Beyond
von: Alampara, Nawaf, et al.
Veröffentlicht: (2025)

Active Learning Enables Extrapolation in Molecular Generative Models
von: Antoniuk, Evan R., et al.
Veröffentlicht: (2025)

How accurate are foundational machine learning interatomic potentials for heterogeneous catalysis?
von: Kempen, Luuk H. E., et al.
Veröffentlicht: (2025)

Considerations in the use of ML interaction potentials for free energy calculations
von: Mendible, Orlando A., et al.
Veröffentlicht: (2024)

Breaking scaling relations with inverse catalysts: a machine learning exploration of trends in $\mathrm{CO_2}$ hydrogenation energy barriers
von: Kempen, Luuk H. E., et al.
Veröffentlicht: (2025)

Discovery of 2D Materials via Symmetry-Constrained Diffusion Model
von: Xu, Shihang, et al.
Veröffentlicht: (2024)

Clever Materials: When Models Identify Good Materials for the Wrong Reasons
von: Jablonka, Kevin Maik
Veröffentlicht: (2026)

Reflections from the 2024 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry
von: Zimmermann, Yoel, et al.
Veröffentlicht: (2024)

Molecular Mechanisms of Polymer Crosslinking via Thermal Activation
von: Akhtar, Javed, et al.
Veröffentlicht: (2025)

Building-Block Aware Generative Modeling for 3D Crystals of Metal Organic Frameworks
von: Duan, Chenru, et al.
Veröffentlicht: (2025)

Adapting OC20-trained EquiformerV2 Models for High-Entropy Materials
von: Clausen, Christian M., et al.
Veröffentlicht: (2024)

Many-body Expansion Based Machine Learning Models for Octahedral Transition Metal Complexes
von: Meyer, Ralf, et al.
Veröffentlicht: (2024)

Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory
von: Schwalbe-Koda, Daniel, et al.
Veröffentlicht: (2024)

Deep Learning for GWP Prediction: A Framework Using PCA, Quantile Transformation, and Ensemble Modeling
von: Rajapriya, Navin, et al.
Veröffentlicht: (2024)

Learning the action for long-time-step simulations of molecular dynamics
von: Bigi, Filippo, et al.
Veröffentlicht: (2025)

The Open DAC 2025 Dataset for Sorbent Discovery in Direct Air Capture
von: Sriram, Anuroop, et al.
Veröffentlicht: (2025)

Transferable Learning of Reaction Pathways from Geometric Priors
von: Nam, Juno, et al.
Veröffentlicht: (2025)

Comparing the latent features of universal machine-learning interatomic potentials
von: Chorna, Sofiia, et al.
Veröffentlicht: (2025)

Kernel Learning Assisted Synthesis Condition Exploration for Ternary Spinel
von: Liu, Yutong, et al.
Veröffentlicht: (2025)

Vibrational Fingerprints of Strained Polymers: A Spectroscopic Pathway to Mechanical State Prediction
von: Konrad, Julian, et al.
Veröffentlicht: (2025)

Predicting band gap from chemical composition: A simple learned model for a material property with atypical statistics
von: Ma, Andrew, et al.
Veröffentlicht: (2025)

Multimodal machine learning with large language embedding model for polymer property prediction
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

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

Learning from the electronic structure of molecules across the periodic table
von: Kaniselvan, Manasa, et al.
Veröffentlicht: (2025)

Cartesian-nj: Extending e3nn to Irreducible Cartesian Tensor Product and Contracion
von: Xu, Zemin, et al.
Veröffentlicht: (2025)

Artificial Intelligence Driven Workflow for Accelerating Design of Novel Photosensitizers
von: Wang, Hongyi, et al.
Veröffentlicht: (2025)

Learning simple heuristic rules for classifying materials based on chemical composition
von: Ma, Andrew, et al.
Veröffentlicht: (2025)

Assessing the impact of contact time on leachate chemistry from recycled concrete aggregates
von: Sanger, Morgan D., et al.
Veröffentlicht: (2025)

Equivariant Machine Learning Interatomic Potentials with Global Charge Redistribution
von: Maruf, Moin Uddin, et al.
Veröffentlicht: (2025)

Refining Coarse-Grained Molecular Topologies: A Bayesian Optimization Approach
von: Ray, Pranoy, et al.
Veröffentlicht: (2025)

Enhancing Diffusion-Based Sampling with Molecular Collective Variables
von: Nam, Juno, et al.
Veröffentlicht: (2025)

Spectral/Spatial Tensor Atomic Cluster Expansion with Universal Embeddings in Cartesian Space
von: Xu, Zemin, et al.
Veröffentlicht: (2025)

Manifold Diffusion for Structure Generation of Transition Metal Complexes
von: Schaufelberger, Luca, et al.
Veröffentlicht: (2026)

A chemical language model for reticular materials design
von: Menon, Dhruv, et al.
Veröffentlicht: (2026)