Buchumschlag

How simple can you go? An off-the-shelf transformer approach to molecular dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Eissler, Max, Korjakow, Tim, Ganscha, Stefan, Unke, Oliver T., Müller, Klaus-Robert, Gugler, Stefan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Disentangling Total-Variance and Signal-to-Noise-Ratio Improves Diffusion Models
von: Kahouli, Khaled, et al.
Veröffentlicht: (2025)

Euclidean Fast Attention -- Machine Learning Global Atomic Representations at Linear Cost
von: Frank, J. Thorben, et al.
Veröffentlicht: (2024)

From Peptides to Nanostructures: A Euclidean Transformer for Fast and Stable Machine Learned Force Fields
von: Frank, J. Thorben, et al.
Veröffentlicht: (2023)

Complete and Efficient Covariants for 3D Point Configurations with Application to Learning Molecular Quantum Properties
von: Maennel, Hartmut, et al.
Veröffentlicht: (2024)

Sampling 3D Molecular Conformers with Diffusion Transformers
von: Frank, J. Thorben, et al.
Veröffentlicht: (2025)

Learning Hamiltonian Flow Maps: Mean Flow Consistency for Large-Timestep Molecular Dynamics
von: Ripken, Winfried, et al.
Veröffentlicht: (2026)

Control Variate Score Matching for Diffusion Models
von: Kahouli, Khaled, et al.
Veröffentlicht: (2025)

Machine Learning Force Fields
von: Unke, Oliver T., et al.
Veröffentlicht: (2020)

E3x: $\mathrm{E}(3)$-Equivariant Deep Learning Made Easy
von: Unke, Oliver T., et al.
Veröffentlicht: (2024)

How well can off-the-shelf LLMs elucidate molecular structures from mass spectra using chain-of-thought reasoning?
von: Wang, Yufeng, et al.
Veröffentlicht: (2026)

Towards Symbolic XAI -- Explanation Through Human Understandable Logical Relationships Between Features
von: Schnake, Thomas, et al.
Veröffentlicht: (2024)

Molecular relaxation by reverse diffusion with time step prediction
von: Kahouli, Khaled, et al.
Veröffentlicht: (2024)

Generative Pseudo-Force Fields for Molecular Generation
von: Hessmann, Stefaan Simon Pierre, et al.
Veröffentlicht: (2026)

Gradient-Guided Furthest Point Sampling for Robust Training Set Selection
von: Trestman, Morris, et al.
Veröffentlicht: (2025)

How fast can you find a good hypothesis?
von: Aamand, Anders, et al.
Veröffentlicht: (2025)

If you can distinguish, you can express: Galois theory, Stone--Weierstrass, machine learning, and linguistics
von: Blum-Smith, Ben, et al.
Veröffentlicht: (2025)

Enhancing molecular dynamics with equivariant machine-learned densities
von: Bogojeski, Mihail, et al.
Veröffentlicht: (2026)

FlexAct: Why Learn when you can Pick?
von: Kumar, Ramnath, et al.
Veröffentlicht: (2026)

KV-weights are all you need for skipless transformers
von: Graef, Nils
Veröffentlicht: (2024)

You can remove GPT2's LayerNorm by fine-tuning
von: Heimersheim, Stefan
Veröffentlicht: (2024)

Characterizing High-Capacity Janus Aminobenzene-Graphene Anode for Sodium-Ion Batteries with Machine Learning
von: Islas-Vargas, Claudia, et al.
Veröffentlicht: (2026)

How (and when) can you fit examples to logic-based hypothesis classes over infinite structures?
von: Benedikt, Michael, et al.
Veröffentlicht: (2026)

How to use and interpret activation patching
von: Heimersheim, Stefan, et al.
Veröffentlicht: (2024)

Randomly Pivoted Partial Cholesky: Random How?
von: Steinerberger, Stefan
Veröffentlicht: (2024)

Enhancing Brain Source Reconstruction by Initializing 3D Neural Networks with Physical Inverse Solutions
von: Morik, Marco, et al.
Veröffentlicht: (2024)

Score dynamics: scaling molecular dynamics with picoseconds timestep via conditional diffusion model
von: Hsu, Tim, et al.
Veröffentlicht: (2023)

An unsupervised learning approach to evaluate questionnaire data -- what one can learn from violations of measurement invariance
von: Hahn-Klimroth, Max, et al.
Veröffentlicht: (2023)

Molecular Similarity in Machine Learning of Energies in Chemical Reaction Networks
von: Gugler, Stefan, et al.
Veröffentlicht: (2025)

Easy attention: A simple attention mechanism for temporal predictions with transformers
von: Sanchis-Agudo, Marcial, et al.
Veröffentlicht: (2023)

The microbial community in the coastal upwelling system off Concepción, Chile, 36°S, 2002-2003 period
von: Yoanna Eissler
Veröffentlicht: (2010)

When can transformers compositionally generalize in-context?
von: Kobayashi, Seijin, et al.
Veröffentlicht: (2024)

How adversarial attacks can disrupt seemingly stable accurate classifiers
von: Sutton, Oliver J., et al.
Veröffentlicht: (2023)

Linear attention is (maybe) all you need (to understand transformer optimization)
von: Ahn, Kwangjun, et al.
Veröffentlicht: (2023)

MambaLRP: Explaining Selective State Space Sequence Models
von: Jafari, Farnoush Rezaei, et al.
Veröffentlicht: (2024)

How DDAIR you? Disambiguated Data Augmentation for Intent Recognition
von: Castillo-López, Galo, et al.
Veröffentlicht: (2026)

When can transformers reason with abstract symbols?
von: Boix-Adsera, Enric, et al.
Veröffentlicht: (2023)

Clustering with minimum spanning trees: How good can it be?
von: Gagolewski, Marek, et al.
Veröffentlicht: (2023)

Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images
von: Kim, Jiwon, et al.
Veröffentlicht: (2023)

Demystifying amortized causal discovery with transformers
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

Out-of-distribution generalization of deep-learning surrogates for 2D PDE-generated dynamics in the small-data regime
von: Nguyen, Binh Duong, et al.
Veröffentlicht: (2026)