Buchumschlag

ELECTRA: A Cartesian Network for 3D Charge Density Prediction with Floating Orbitals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Elsborg, Jonas, Thiede, Luca, Aspuru-Guzik, Alán, Vegge, Tejs, Bhowmik, Arghya
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Chemical Physics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Global Plane Waves From Local Gaussians: Periodic Charge Densities in a Blink
von: Elsborg, Jonas, et al.
Veröffentlicht: (2026)

Shoot from the HIP: Hessian Interatomic Potentials without derivatives
von: Burger, Andreas, et al.
Veröffentlicht: (2025)

Acoustic Classification of Maritime Vessels using Learnable Filterbanks
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Scalable Autoregressive 3D Molecule Generation
von: Cheng, Austin H., et al.
Veröffentlicht: (2025)

Coupled Cluster con MōLe: Molecular Orbital Learning for Neural Wavefunctions
von: Thiede, Luca, et al.
Veröffentlicht: (2026)

Reflection-Equivariant Diffusion for 3D Structure Determination from Isotopologue Rotational Spectra in Natural Abundance
von: Cheng, Austin, et al.
Veröffentlicht: (2023)

MōLe-Λ: Learning the Coupled-Cluster Response State for Energies, Gradients, and Properties
von: Burger, Andreas, et al.
Veröffentlicht: (2026)

Stiefel Flow Matching for Moment-Constrained Structure Elucidation
von: Cheng, Austin, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Chemical Ordering in Alloy Nanoparticles
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Waveflow: boundary-conditioned normalizing flows applied to fermionic wavefunctions
von: Thiede, Luca, et al.
Veröffentlicht: (2022)

E3STO: Orbital Inspired SE(3)-Equivariant Molecular Representation for Electron Density Prediction
von: Mitnikov, Ilan, et al.
Veröffentlicht: (2024)

Doob's Lagrangian: A Sample-Efficient Variational Approach to Transition Path Sampling
von: Du, Yuanqi, et al.
Veröffentlicht: (2024)

GO-Diff: Data-free and amortized global structure optimization
von: Rønne, Nikolaj, et al.
Veröffentlicht: (2025)

AtomComposer: Discovering Chemical Space from First Principles with Reinforcement Learning
von: Hastrup, Bjarke, et al.
Veröffentlicht: (2026)

A tomographic interpretation of structure-property relations for materials discovery
von: Ortega-Ochoa, Raul, et al.
Veröffentlicht: (2025)

Surrogate Functionals for Machine-Learned Orbital-Free Density Functional Theory
von: Remme, Roman, et al.
Veröffentlicht: (2026)

Orbital Transformers for Predicting Wavefunctions in Time-Dependent Density Functional Theory
von: Zhang, Xuan, et al.
Veröffentlicht: (2026)

Cartesian-nj: Extending e3nn to Irreducible Cartesian Tensor Product and Contracion
von: Xu, Zemin, 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)

Overcoming the Barrier of Orbital-Free Density Functional Theory for Molecular Systems Using Deep Learning
von: Zhang, He, et al.
Veröffentlicht: (2023)

A Cartesian Encoding Graph Neural Network for Crystal Structures Property Prediction: Application to Thermal Ellipsoid Estimation
von: Solé, Àlex, et al.
Veröffentlicht: (2025)

Cartesian atomic cluster expansion for machine learning interatomic potentials
von: Cheng, Bingqing
Veröffentlicht: (2024)

Highly Accurate Real-space Electron Densities with Neural Networks
von: Cheng, Lixue, et al.
Veröffentlicht: (2024)

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

Image Super-resolution Inspired Electron Density Prediction
von: Li, Chenghan, et al.
Veröffentlicht: (2024)

Open-Source Fermionic Neural Networks with Ionic Charge Initialization
von: Pranesh, Shai, et al.
Veröffentlicht: (2024)

LATTE: an atomic environment descriptor based on Cartesian tensor contractions
von: Pellegrini, Franco, et al.
Veröffentlicht: (2024)

High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces
von: Shao, Shihao, et al.
Veröffentlicht: (2024)

Stable and Accurate Orbital-Free DFT Powered by Machine Learning
von: Remme, Roman, et al.
Veröffentlicht: (2025)

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

Self-Consistency Training for Density-Functional-Theory Hamiltonian Prediction
von: Zhang, He, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Surfactant Multi-Property Prediction
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Inverse molecular design and parameter optimization with Hückel theory using automatic differentiation
von: Vargas-Hernández, R. A., et al.
Veröffentlicht: (2022)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Temperature-Dependent Activity Coefficient Prediction of Solutes in Ionic Liquids
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

D3MES: Diffusion Transformer with multihead equivariant self-attention for 3D molecule generation
von: Zhang, Zhejun, et al.
Veröffentlicht: (2025)

EspalomaCharge: Machine learning-enabled ultra-fast partial charge assignment
von: Wang, Yuanqing, et al.
Veröffentlicht: (2023)

Gaussian Plane-Wave Neural Operator for Electron Density Estimation
von: Kim, Seongsu, et al.
Veröffentlicht: (2024)

Learning Equivariant Non-Local Electron Density Functionals
von: Gao, Nicholas, et al.
Veröffentlicht: (2024)